jsp-basic

KDD-Cup2012-Track2

A Two-Stage Ensemble of Diverse Models for Advertisement Ranking in KDD Cup 2012

问题描述

一次会话是指用户和搜索引擎的互动，即一次查询操作。会话包括：用户、搜索内容、搜索引擎搜到的广告、搜索引擎呈现给用户的广告、用户点击的广告（0条或者多条）、搜索会话的深度是指：搜索引擎呈现给用户的广告的数量；广告的位置/position（排名、rank）是指该广告在呈现给用户所有广告中的排名，呈现给用户的所有广告都会生成一个短文本，即广告的标题，标题后面紧跟着一个长文本（即：广告的描述）和一个URL（URL通常被缩短以节省屏幕空间）。

训练集

测试集中的每行数据都有12个，含义依次如下：

1. Click: 用户（UserID）点击广告（AdID）的次数
2. Impression: 广告(AdID)呈现给用户（UserID）的次数(每次查询只会呈现一次)
3. DisplayURL: URL总是随着标题和描述出现，在文件中，URL是匿名的哈希值
4. AdID: 广告id
5. AdvertiserID: 广告商id
6. Depth: 一次会话呈现给用户的广告数量
7. Position: 广告在返回给用户广告列表的index
8. QueryID: 搜索id，从0开始的整数，是queryid_tokensid.txt的主键
9. KeywordID: 关键词id，buyingkeyword_tokensid.txt的主键
10. TitleID: titleid_tokensid.txt的主键
11. DescriptionID: descriptionid_tokensid.txt的主键
12. UserID: userid_profile.txt的主键，当无法识别用户时，此字段的值为0。

注：要预测的是 $\frac{Click}{Impression}$ ，后面二分类的时候，把Click当成正样本集，Impression-Click 当作负样本集

其他附属文件

1. queryid_tokensid.txt
2. buyingkeywordid_tokensid.txt
3. titleid_tokensid.txt
4. descriptionid_tokensid.txt
5. userid_profile.txt

对于前4个文件，每一行都是 id query|keyword|ad title|ad description的格式,这些数据可能是自然语言，在文件中都用其哈希匿名化。
‘userid_profile.txt’的每一行由UserID，Gender和Age组成，由TAB字符分隔。注：并非训练和测试集中的每个UserID都将出现在’userid_profile.txt’中。 每个字段描述如下：

Gender: '1' (男) '2'(女) '0'(unknow)
Age:  '1' for (0, 12],  '2' for (12, 18], '3' for (18, 24], '4'  for  (24, 30], '5' for (30,  40], and '6' for greater than 40.

测试集

除了广告的被呈现次数(Impression)和点击次数(Click)，测试集和训练集保持相同的格式，测试数据集的一个子集用于在排行榜上对提交/更新的结果进行排名

需要提交的结果

一个文本文件，每一行只有一个字段：广告的点击率，并且按照顺序与所给文件的行一一对应。

标注版论文

参考

[1]杨之之.Kaggle[2] - Predict the click through rate (KDD12 trackl2)[EB/OL].https://blog.csdn.net/u011292007/article/details/36886523 2014-07-09/2019-06-20
[2]https://www.kaggle.com/c/kddcup2012-track2/overview

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 changzeyan@foxmail.com