华为全球校园AI算法赛事（推荐方向）：广告-信息流跨域CTR预估
1. 赛题任务
赛题简介
广告推荐主要基于用户对广告的历史曝光、点击等行为进行建模，如果只是使用广告域数据，用户行为数据稀疏，行为类型相对单一。而引入同一媒体的跨域数据，可以获得同一广告用户在其他域的行为数据，深度挖掘用户兴趣，丰富用户行为特征。引入其他媒体的广告用户行为数据，也能丰富用户和广告特征。
本赛题希望选手基于广告日志数据，用户基本信息和跨域数据优化广告ctr预估准确率。目标域为广告域，源域为信息流推荐域，通过获取用户在信息流域中曝光、点击信息流等行为数据，进行用户兴趣建模，帮助广告域ctr的精准预估。
评价指标：GAUC和AUC的加权求和
赛题说明
本赛题提供7天数据用于训练，1天数据用于测试，数据包括目标域（广告域）用户行为日志，用户基本信息，广告素材信息，源域（信息流域）用户行为数据，源域（信息流域）物品基本信息等。
希望选手基于给出的数据，识别并生成源域能反映用户兴趣，并能应用于目标域的用户行为特征表示，基于用户行为序列信息，进行源域和目标域的联合建模，预测用户在广告域的点击率。所提供的数据经过脱敏处理，保证数据安全。
数据说明
提供的数据包括目标域用户行为数据，源域用户行为数据，以下按照这2个维度分别说明。
目标域用户行为数据
| 字段名称 | 字段含义 | 是否可为空 | 字段类型 | 取值样例 |
|---|---|---|---|---|
| label | 是否点击，0：否，1：是 | 否 | int | 0，1 |
| user_id | 用户id | 否 | String | 1，2… |
| age | 年龄 | 是 | String | 1，2，3… |
| gender | 性别 | 是 | String | 1，2… |
| residence | 常住地-省份 | 是 | String | 1，2… |
| city | 常住地-市-编号 | 是 | String | 1，2… |
| city_rank | 常住地-市-等级 | 是 | String | 1，2… |
源域用户行为数据
| 字段名称 | 字段含义 | 是否可为空 | 字段类型 | 取值样例 |
|---|---|---|---|---|
| u_userId | 用户标识 | 否 | String | 0001 |
| u_phonePrice | 用户手机价格 | 是 | String | 13 |
| u_browserLifeCycle | 浏览器用户活跃度 | 是 | String | 10 |
| u_browserMode | 浏览器业务类型 | 是 | String | 11 |
| u_feedLifeCycle | 信息流用户活跃度 | 是 | String | 12 |
| u_refreshTimes | 信息流日均有效刷新次数 | 是 | String | 16 |
| u_newsCatInterests | 信息流图文 点击 分类偏好 | 是 | [String,] | [1^2…] |
| … | … | … | … | … |
上传文件
选拔赛今日(00:00:00 UTC ~ 23:59:59 UTC)已提交0次,最多提交4次
-
至少要提交一次 [DIGIX Implementation Instruction ](https://digix-algo-challenge.obs.cn-east-2.myhuaweicloud.com/2020/DIGIX Implementation Instruction - [Team].docx)和 Source Code
-
首次上传需同时上传3个文件，文件格式如下：submission.csv，DIGIX Implementation Instruction.docx，Source Code.zip。（DIGIX Implementation Instruction.docx文件大小不超过1M，Source Code.zip压缩文件大小不超过5M，submission.csv不超过100M。）
评估方式
评估方式：统计广告域的样本ctr预估值，计算GAUC和AUC
评测指标：本次比赛使用GAUC和AUC的加权求和作为评估指标，具体公式如下：
xAUC = α*GAUC + β*AUC
xAUC越高，代表结果越优，排名越靠前。
其中，AUC为全体样本的AUC统计，GAUC为分组AUC的加权求和，以用户为维度分组，分组权值为分组内曝光量/总曝光）
初赛：α为0.7，β为0.3
本赛题来自实际的工业场景，因此测试集不可使用穿越信息。比如，在构造特征时，要求T时刻样本使用T时刻之前的信息，以确保方案的实际应用价值。如果违规使用T时刻未来的信息，成绩在初赛结束复验时会被判定为无效。
提交方式
选手提交结果为一个submission.csv 文件, 编码采用无BOM 的UTF-8，格式如下：log_id,pctr。其中log_id为对应测试样本中的log_id，pctr对应测试样本经由模型计算出的预估ctr值，pctr保留6位小数。
提交文件参考如下示例：
log_id,pctr
1, 0.002345
2, 0.010456
. . .