第二屆拍拍貸魔鏡杯數(shù)據(jù)應用大賽于2017年4月10日啟動趴樱，決賽路演于9月2日在上海舉行隙弛。相較于去年攘滩，今年的題目更專注于實用性庭猩，對開發(fā)能力提出了更多更高的要求乌奇。比賽可以從以下三個參考方向來展開角逐，和去年的三個子賽題基本對應：

• 投標類：開發(fā)一款投標工具眯娱，幫助投資人實現(xiàn)投資收益的優(yōu)化，并自動高效地完成從選標到投標的全過程爬凑♂憬桑可能包括部分策略開發(fā)等分析相關(guān)工作，更重要的是能夠調(diào)用投標接口完成投標功能；
• 分析類： 基于拍拍貸平臺的整體數(shù)據(jù)（類比上交所大盤）或投資者個人的投資歷史數(shù)據(jù)（經(jīng)授權(quán)）于样，運用數(shù)據(jù)科學技術(shù)進行分析或挖掘疏叨，為投資人提供有價值的信息、建議等個性化服務穿剖；
• 創(chuàng)意類：不包含在前兩類內(nèi)容中的有價值的產(chǎn)品或服務蚤蔓。創(chuàng)意類方向不設任何限制，基于現(xiàn)有的數(shù)據(jù)與資源糊余，發(fā)揮創(chuàng)造力秀又，做出一個讓自己滿意、也被市場認可的有價值的作品贬芥。

作品思路

既然要搞吐辙，就搞個大的。與其單獨做投標類蘸劈、分析類或創(chuàng)意類中的一種昏苏，不如三者兼顧，做一個功能完善的系統(tǒng)出來威沫。

作品的思路在初賽階段便已想好：通過知情贤惯、知己兩個模塊，分別對平臺數(shù)據(jù)和個人記錄進行分析和展示（分析類）棒掠；通過知心模塊孵构，使用多種方法和模型實現(xiàn)投標功能（投標類）；最后再擴充下數(shù)據(jù)句柠、開發(fā)個社區(qū)浦译，做個功能性聊天機器人（創(chuàng)意類）。這樣一來溯职，五臟俱全精盅、要啥有啥、一套帶走谜酒，可以說做了整個生態(tài)叹俏。

但是后來才慢慢發(fā)現(xiàn)，這個思路僻族，從一開始就是錯誤的粘驰。

先介紹下比賽的評審機制，大賽分為初賽述么、復賽蝌数、決賽三輪，進入決賽的10支隊伍需要參加決賽路演答辯度秘。比賽獎金共計10W美金顶伞，30%由大眾投資人投票決定，70%由決賽現(xiàn)場的專家評委決定。其實對投資人和評委而言唆貌，真正關(guān)心的滑潘，只是簡單好用的投標工具，其它可有可無的也許根本不在意锨咙。

而我在很多內(nèi)容上消耗了時間和精力语卤，其結(jié)果便是投標功能做得不夠完善、不夠全面酪刀，所以30%即3W美金的大眾投資人投票中粹舵，我只拿到了1000多一點，在決賽10支隊伍中排第八蓖宦。而投標做得比較好的三支隊伍齐婴，分別拿到了1W3、4k稠茂、3k柠偶，因此在決賽開始前便取得了一個很高的起點，對于決賽專家評委的評審也會起到一定的引導作用睬关。

畢竟這不是一個算法比賽诱担，工作量多、模型性能都不重要电爹，投資人要看到的是選標策略對應的出標量蔫仙、預期收益、逾期率等回溯指標丐箩，所以關(guān)鍵得做好投標功能摇邦、穩(wěn)定運營、積累群眾基礎屎勘，才能在大眾評審部分拿到一個好的成績施籍，在決賽答辯中獲取一個更高的起點。如果我能一開始便認清這一點概漱，集中精力去做好投標功能丑慎，也許就可以取得更好的結(jié)果了。

諷刺的是瓤摧，拿到1W3大眾評審票竿裂、一直讓人充滿期待的隊伍，在決賽現(xiàn)場的答辯內(nèi)容卻十分單薄照弥，他們用的方法腻异，竟然只是人工構(gòu)建了一棵決策樹，然后將每個葉節(jié)點的篩選條件作為一種選標策略这揣。主講人的演講毫無波瀾悔常，評委問起問題來也支支吾吾敢会。盡管如此，他們最后還是拿了2W獎金这嚣、獲得了第一名，前期的群眾基礎起了很大的作用塞俱。

決賽答辯

決賽答辯設在上海的喜馬拉雅藝術(shù)中心大觀舞臺姐帚，現(xiàn)場還是很高大上的≌涎模看到舞臺兩邊的10個位子了嗎罐旗？對，就是給10個隊伍的隊長坐的……

這個隊長位子長這樣唯蝶，讓人亞歷山大九秀。

我在第四個答辯，還算順利粘我，稿子背得很熟鼓蜒。

最后一共拿了10693刀，排第四征字，在決賽答辯中漲了9000多刀都弹，算是10支隊伍中漲得比較多的了。

第一名是之前提到的那個隊伍匙姜，從1W3漲到2W畅厢，漲得還沒我多，主要是前期群眾基礎好氮昧；第二名是拍拍標師框杜，他們隊伍有五個人，而且確實在這個比賽上花了大量時間和精力袖肥，他們的作品做得也十分優(yōu)秀和完善咪辱，因此最終拿了一個額外的名譽大獎，雖然沒有獎金昭伸，但確實是對他們實力的認可梧乘。而我主要靠自己一個人，花的時間也不算多庐杨，拿到這樣的結(jié)果也算滿意了选调。

當然，還是有些遺憾灵份，如果一開始專注做投標仁堪，說不定能取得更好的結(jié)果。

作品詳情

以下是答辯的PPT和演講內(nèi)容填渠。

大家好弦聂，我是DI團隊的張宏倫鸟辅，作品名稱是，拍知心

拍拍貸的出現(xiàn)帶來了一系列變革莺葫，例如降低了借款人的借款門檻匪凉，提高了投資人的投資利潤

對投資人而言，最為重要的問題捺檬，便是如何進行選標再层。一般而言，選標的依據(jù)主要取決于標的特征堡纬、借款人特征聂受、投資人特征三大類因素

因此，我們工作的研究核心烤镐，便是如何在收益最大化蛋济、風險最小化的前提下，為投資人選擇最適合的標的

我們的系統(tǒng)架構(gòu)如下：通過知情炮叶、知己兩個模塊碗旅，對平臺標的數(shù)據(jù)和個人投資記錄進行全面的分析和展示；使用基于策略悴灵、基于學習扛芽、基于推薦三種方法，實現(xiàn)知心這一智能投資顧問模塊积瞒；在此基礎上川尖，我們進行了多源異構(gòu)數(shù)據(jù)擴充、開發(fā)了拍粉社區(qū)互動平臺茫孔，并使用積累的數(shù)據(jù)和語料叮喳，搭建了拍知心這一垂直領域的智能聊天機器人，為投資人提供各方面的決策建議和輔助功能

首先讓我們概覽一下數(shù)據(jù)缰贝，比賽官方提供了LC馍悟、LP、LCIS三類數(shù)據(jù)剩晴，它們之間可以通過ListingId這一字段進行對齊

我們通過知情實現(xiàn)平臺概覽锣咒，從基本統(tǒng)計、分類統(tǒng)計赞弥、密度分布毅整、認證分析、還款分析绽左、指標對比六個角度對拍拍貸整體投資數(shù)據(jù)進行分析悼嫉，輔助投資人全面綜合地了解平臺概況

這是作品實現(xiàn)中的平臺概覽頁面

我們通過知己實現(xiàn)個人中心，從資產(chǎn)概況拼窥、投資偏好戏蔑、歷史統(tǒng)計蹋凝、分類統(tǒng)計、期限分析总棵、逾期分析六個角度對投資人歷史投資記錄進行分析鳍寂，輔助投資人更好地了解個人投資行為

這是作品實現(xiàn)中的個人中心頁面

我們使用以下三種方法，實現(xiàn)知心這一智能投資顧問模塊情龄》ジ睿基于策略對應專家系統(tǒng)，主要使用人工經(jīng)驗刃唤；基于學習對應機器學習，主要使用模型和算法白群；基于推薦對應推薦系統(tǒng)尚胞，主要使用數(shù)據(jù)之間的關(guān)聯(lián)和相似。我們?nèi)诤狭硕喾N方法帜慢，互相取長補短笼裳，從而實現(xiàn)更好的效果

基于策略是指使用預先設定好的投資策略對標的進行處理和篩選，對于可投標的粱玲，如果滿足啟用中的任意策略躬柬，則投資相應的金額。這里我們設計了四項系統(tǒng)策略

當然抽减，還可以設計更多的賠標策略和信用標策略允青，但在我們看來，無非都是使用更豐富的條件組合卵沉，以及更復雜的篩選規(guī)則。我們認為，基于策略的自動投標虏杰，拍精靈等現(xiàn)有工具已經(jīng)做得足夠完善怕吴，所以我們希望把更多的精力放在，探索如何將機器學習和人工智能應用到投資選標中來停撞。除了快瓷蛙，我們還想做到準和個性化

因此，我們使用機器學習和深度學習等方法戈毒，在經(jīng)過數(shù)據(jù)清洗艰猬、數(shù)據(jù)重塑、特征工程等步驟處理后副硅，實現(xiàn)了標的量化模型姥宝，ListingNet，從安全評分和逾期概率兩個角度來評估標的恐疲。這兩項任務的定義如下腊满，都屬于有監(jiān)督學習中的分類問題

ListingNet的模型結(jié)構(gòu)中主要包含了三塊內(nèi)容：邏輯回歸套么、隨機森林等基分類器，多個XGBoost模型集成學習碳蛋，由全連接層組成的神經(jīng)網(wǎng)絡胚泌。同時，基分類器的輸出經(jīng)過Stacking之后肃弟，作為二級特征進一步輸入到XGBoost和神經(jīng)網(wǎng)絡中

我們對ListingNet的模型性能進行了評測玷室，在安全評分和逾期概率兩項任務上，ListingNet的Accuracy和AUC都取得了最好的結(jié)果笤受。我們使用以下公式來實現(xiàn)投資的個性化穷缤，其中前兩項分別表示標的安全評分和投資人是否追求逾期收益，后兩項用于表示投資人的利率偏好和期限偏好

除此之外箩兽，我們還基于推薦系統(tǒng)津肛，使用基于內(nèi)容的協(xié)同過濾和基于模型的協(xié)同過濾，通過計算標的相似度和用戶相似度汗贫，為投資人推薦感興趣的標的

完成了知情身坐、知己、知心等工作之后落包，我們進行了數(shù)據(jù)擴充部蛇，從拍拍貸、網(wǎng)貸之家咐蝇、今日頭條等網(wǎng)站上涯鲁，獲取了聊天語料、問答數(shù)據(jù)有序、領域本體撮竿、知識圖譜等各種類型的數(shù)據(jù)，經(jīng)過相關(guān)的NLP處理后笔呀，轉(zhuǎn)化成有用的數(shù)據(jù)資產(chǎn)

我們還開發(fā)了拍粉社區(qū)互動平臺幢踏，集資訊、問答许师、分享等常用社交功能于一體房蝉，為投資人提供各方面服務的同時，進一步積累更多的用戶產(chǎn)生內(nèi)容

在已有數(shù)據(jù)和語料的基礎上微渠，我們實現(xiàn)了面向拍拍貸用戶的垂直領域聊天機器人搭幻，拍知心，為投資人提供直接的對話服務逞盆。拍知心主要使用了基于規(guī)則檀蹋、基于檢索、基于學習三種方法來生成對話云芦，這里我們著重介紹一下基于學習的實現(xiàn)原理

基于學習俯逾，是指使用基于深度LSTM網(wǎng)絡的自編碼器模型贸桶，將用戶輸入轉(zhuǎn)換成文本詞向量序列，學習到對應的隱層表示后桌肴，再轉(zhuǎn)換成輸出文本詞向量序列皇筛，從而可以得到任意輸入內(nèi)容的對話輸出，即Sequence to Sequence Learning坠七，屬于生成式學習模型水醋，對話生成效果好，但對數(shù)據(jù)需求量大彪置、訓練成本較高

我們將以上功能全部實現(xiàn)并部署到網(wǎng)站上拄踪，包括平臺概覽、個人中心拳魁、投資顧問宫蛆、拍粉社區(qū)四個頁面，可以通過以下鏈接訪問我們的網(wǎng)站（訪問網(wǎng)站需要拍拍貸授權(quán)的猛，所以需要注冊拍拍貸賬號，不過注冊賬號之后想虎，可能會有拍拍貸工作人員電話聯(lián)系卦尊，詢問是否有借款或投資意向。所以如果只是想看一下產(chǎn)品展示舌厨，那么看展示視頻即可）岂却，讓我們一起來看一段展示視頻，https://v.qq.com/x/page/n0538boxfjx.html

最后裙椭，對我們的作品進行一個總結(jié)躏哩。我們通過知情、知己揉燃、知心扫尺，分別為投資人提供平臺概覽、個人中心炊汤、投資顧問三項功能正驻，新的投資數(shù)據(jù)可用于更新相應的模塊。通過擴充數(shù)據(jù)和用戶數(shù)據(jù)實現(xiàn)拍知心聊天機器人抢腐，拍粉社區(qū)則不斷地積累新的用戶數(shù)據(jù)姑曙，從而形成數(shù)據(jù)閉環(huán)，共同打造一個智能投資數(shù)據(jù)生態(tài)系統(tǒng)

我們的團隊成員有兩位迈倍，都是上海交通大學的博士生

以上就是我們的作品內(nèi)容伤靠，拍知心，最懂你的智能投資顧問啼染，謝謝大家宴合！