大神干货：冠军选手分享解题思路，助你轻松突围初赛

2020年腾讯广告算法大赛的初赛的帷幕已然拉开，新老选手们正面临着全新数据集的挑战。在大家努力刷分的紧张时刻，我们为大家邀请到2019年腾讯广告算法大赛冠军、数据竞赛爱好者，也是本次大赛的参赛选手——鱼遇雨欲语与余，请他分享对本次赛题的一些解读，帮助大家拓宽思路，快速提高成绩，顺利突围初赛！

大家好，我是鱼遇雨欲语与余，毕业于武汉大学，人民邮电出版社签约作者，2019年腾讯广告算法大赛冠军。很高兴再次参加今年的腾讯广告算法大赛。

本届算法大赛的题目为“广告受众基础属性预估”，赛题提供了90天用户点击广告行为日志及广告的基本属性，让大家预测用户性别和年龄。为了帮助大家快速理解本次赛事的题目，我和大家简单分享一下我对于本次赛题数据的理解和一些解题思路。

1. 赛题数据

赛题数据其实还是比较干净清爽的，用户基本属性信息只需要我们预测性别和年龄，其余的都是用户点击日志和广告相关信息。初期需要去理解每个变量的含义，比如creative_id广告素材可能由文案、图片和视频组成，一个广告包含多个广告素材，因此广告素材生成的流程也需要加以了解。“比较”是影响广告投放的重要环节之一，首先结合用户画像和卖点提炼，然后确定使用场景，最后进行素材的筛选和加工。

对数据和业务的基本认识可以帮助我们深入理解赛题，挖掘更多有用信息。

2. 解题思路

用户的历史点击行为可以反映其属性特点，比如男性偏爱电子产品、游戏等，女性则更偏爱服饰、化妆品等，所以从点击序列中挖掘信息更为重要。那么如何挖掘序列信息呢，这里的方法就比较多了，下面逐个介绍。

（1）one-hot

直接展开，保留所有信息，300多万维，可以直接放弃了。

（2）Tfidf

NLP中常用的做法，将用户点击序列中的creative_id或者ad_id集合看作一篇文档，将每个creative_id或者ad_id视为文档中的文字，然后使用tfidf。当然这也下来维度也非常高，可以通过参数调整来降低维度，比如sklearn中的TfidfVectorizer，可以使用max_df和min_df进行调整。

（3）Word2vec

把每个点击的creative_id或者ad_id当作一个词，把一个人90天内点击的creative_id或者ad_id列表当作一个句子，使用word2vec来构造creative_id或者ad_id嵌入表示。最后进行简单的统计操作得到用户的向量表示。这种序列简单聚合导致信息损失，显得是非常的粗糙，需要进一步引入attention等方法。

上述方法可以直接使用传统的GBDT相关模型进行，1.3应该没问题。下面可以考虑序列建模方式。例如RNN/LSTM/GRU，这类方法将用户行为看做一个序列，套用NLP领域常用的RNN/LSTM/GRU方法来进行建模。

最后祝各位取得优异成绩。

———————————————————————

收获了大神选手的心得分享后，你的解题思路有没有更加清晰呢？希望各位选手放平心态，继续加油。祝愿各位突围成功！

了解更多赛事相关信息

扫码加入大赛官方QQ群

或搜索群号：1094257162

和小伙伴一起解锁更多内容

5月18日晚19:30，算法大赛评委大咖将齐聚直播间分享**《后疫情时代的“智”者未来》**，大咖面对面传授的机会不可多得！

感受大咖们的思想碰撞，点击下方链接，一键预约加入直播！
后疫情时代下，“智”者如何自处？ - 腾讯云大学

点击下方链接，报名参赛赢取现金大奖

官方报名入口：
2020腾讯广告算法大赛