大香蕉俺也去在线,国产天堂视频在线,日欧美在线视频,AAA三级视频,久久精品噜噜噜成人88Aⅴ,亚洲高清视频在线播放,欧美日韩男女考逼视频,色黄在线观看

前一陣子，老肥參加了科大訊飛AI開發(fā)者大賽的部分比賽，主要包括結(jié)構(gòu)化、音頻、文本以及圖像這四大類型，總體來看都是較為簡單的任務(wù)并且解題方案也較為簡單，后續(xù)會跟大家一一分享。

今天要分享的是結(jié)構(gòu)化的賽題-創(chuàng)意視角下的數(shù)字廣告CTR預估挑戰(zhàn)賽。

賽題任務(wù)

廣告的CTR預估需要強大的數(shù)據(jù)作為支撐，本次大賽提供了訊飛AI營銷云海量的現(xiàn)網(wǎng)流量和創(chuàng)意數(shù)據(jù)作為訓練樣本，參賽選手需基于提供的樣本構(gòu)建模型，預測測試集的點擊率，點擊率的準確性將直接影響評價結(jié)果。

數(shù)據(jù)說明

本次比賽的數(shù)據(jù)主要包括：標注數(shù)據(jù)、媒體流量數(shù)據(jù)、廣告創(chuàng)意數(shù)據(jù)以及其他業(yè)務(wù)Embedding向量。其中，標注數(shù)據(jù)為樣本的Label信息，媒體流量數(shù)據(jù)主要是流量媒體APP和廣告位來源信息。本次挑戰(zhàn)賽首次公開了元素級廣告創(chuàng)意數(shù)據(jù)，包含創(chuàng)意的文字、圖片素材等，選手可基于創(chuàng)意進行深度的特征工程挖掘，包含但不限于大小，色系，利益點，元素Embedding等。

總體來說就是包含了多個ID信息、Embedding特征以及文本圖像的一個多模態(tài)的數(shù)據(jù)。

評價指標

評價指標采用GAUC，在這其中，權(quán)重取為流量媒體的廣告位上的點擊數(shù)，為媒體廣告位上的AUC。

方案概述

首先對文本和圖像進行特征提取，確認多模態(tài)信息的有效性。文本直接采用TF-IDF再進行SVD降維得到特征表示拼接到主表，圖像采用預訓練模型VIT直接抽取Embedding向量再拼接到主表，經(jīng)過線下和線上的驗證得出本題多模態(tài)信息提取意義不大的結(jié)論。于是，最終確定的整體解決方法為基于特征工程的樹模型，整體方案如下所示。

對于本方案，首先進行數(shù)據(jù)處理。

第一步講初賽的訓練集與復賽的訓練集進行拼接，

第二步對數(shù)據(jù)進行去重（包含部分數(shù)據(jù)所有字段值完全相同的情況），

第三步對數(shù)據(jù)進行壓縮處理，節(jié)省內(nèi)存的使用。

然后是特征工程部分，包含常規(guī)的一些統(tǒng)計特征：包括頻數(shù)統(tǒng)計特征（單類別出現(xiàn)的次數(shù)以及類別共現(xiàn)次數(shù)）、unique特征（A類別在B類別中的unique，B類別在A類別中的unique），以及類別變量的Label Encoder編碼。對于240維的Embedding，我們對低信息量的特征進行刪除（unique值較小），對剩余Embedding特征進行mean、std的統(tǒng)計（groupby各個ID特征）。

最后是模型訓練的部分，采用常規(guī)的分層五折交叉驗證，將對測試集的預測概率取均值得到最后的預測結(jié)果。該方案在線上排名到第三位的成績，另外，如果我們不進行重復數(shù)據(jù)刪除，而是對數(shù)據(jù)重復次數(shù)進行統(tǒng)計作為特征輸入，再應(yīng)用上述方案可以排到排行榜第一位，得分為0.68098。完整的代碼已開源，可以從下面的閱讀原文鏈接中獲取。

為了大家能更好的溝（日）通（常）交（吹）流（水），我創(chuàng)建了一個群，感興趣的可以掃碼入群，歡迎大家！！（若碼失效了，可后臺私信我）

科大訊飛CTR預估挑戰(zhàn)賽Top3方案總結(jié)

賽題任務(wù)

數(shù)據(jù)說明

評價指標

方案概述