阿里大数据比赛介绍.docVIP

赛题介绍 本赛题适用于season1 和season 2的比赛，season 3 为线上赛（season 2 赛后公布题目）。?在天猫，每天都会有数千万的用户通过品牌发现自己喜欢的商品，品牌是联接消费者与商品最重要的纽带。本届赛题的任务就是根据用户4个月在天猫的行为日志，建立用户的品牌偏好，并预测他们在将来一个月内对品牌下商品的购买行为。 我们会开放如下数据类型： 字 段 字段说明 提取说明 user_id 用户标记 抽样字段加密 Time 行为时间 精度到天级别隐藏年份 action_type 用户对品牌的行为类型 包括点击、购买、加入购物车、收藏4种行为?(点击：0 购买：1 收藏：2 购物车：3） brand_id 品牌数字ID 抽样字段加密 用户对任意商品的行为都会映射为一行数据。其中所有商品ID都已汇总为商品对应的品牌ID。用户和品牌都分别做了一定程度的数据抽样，且数字ID都做了加密。所有行为的时间都精确到天级别(隐藏年份)。 评估指标 我们希望参赛队的预测, 预测的品牌准确率越高越好，也希望覆盖的用户和品牌越多越好，所以用最常用的准确率与召回率作为排行榜的指标。 准确率：?注：?N 为参赛队预测的用户数?pBrandsi为对用户i 预测他(她)会购买的品牌列表个数?hitBrandsi对用户i预测的品牌列表与用户i真实购买的品牌交集的个数 召回率：?注：?M 为实际产生成交的用户数量?bBrandsi为用户i 真实购买的品牌个数?hitBrandsi预测的品牌列表与用户i真实购买的品牌交集的个数 最后我们用F1-Score 来拟合准确率与召回率，并且大赛最终的比赛成绩排名以F1得分为准。? 不同赛季使用数据说明 Season 1赛季数据 1)??数据获取格式：??????参赛者通过大赛官网报名成功后，可以直接下载数据到本地，直接使用。（下载地址在参赛者的个人中心）?2)??数据说明：??????提供的原始文件有大约4M左右，涉及1千左右天猫用户，几千个天猫品牌，总共10万多条的行为记录。用户4种行为类型(Type)对应代码分别为：?????点击：0；购买：1；收藏：2；购物车：3?3)??提交评分方式：??????参赛者将预测的用户存入文本文件中，格式如下：??????user_id \t brand_id , brand_id , brand_id \n??????上传的结果文件名字不限(20字以内)，文件必须为txt格式。 ?????如图： ????? ?????将预测结果文件上传至大赛官网结果提交入口即可。（提交结果入口在参赛者的个人中心） Season 2赛季数据 1)??数据获取方式：??????参赛者只能登陆阿里巴巴天池集群获取数据，且数据不能下载，所有数据分析，计算，提交评分都将在天池集群上完成。登陆天池集群方法，请留?????意后续的指导文档和邮件通知。?2)??数据说明：??????提供的数据量，涉及千万级天猫用户，万级天猫品牌，时间跨度4个月的行为记录。??????提供的训练数据在天池集群的表t_alibaba_bigdata_user_brand_tota_1中，字段分别为：user_id，brand_id, type, visit_datetime。如图所示 ????? ?????用户4种行为类型(Type)对应代码分别为：??????点击：0；购买：1；收藏：2；购物车：3?3)??提交评分方式：??????参赛者完成用户品牌偏好预测后，需要将结果放入指定格式的数据表（非分区表）中，要求结果表名为：t_tmall_add_user_brand_predict_dh，?????包含user_id和brand两列。其中brand字段为预测的偏好品牌ID，多个品牌之间用逗号(,)分隔。??????例如： ?????2. 大赛数据抽样方式？ 本次大赛的数据直接采用随机抽样的方式，抽取了天猫网站线上的一部分真实数据，抽样后数据未经过任何人为处理，所以数据包括了网站上所有真实情况(促销、活动、刷信用等等)。用户对所有商品的行为，都映射为用户对商品所对应的品牌行为。数据分别对用户和品牌做了部分抽样，所以提供的数据为一部分用户和一部分的品牌。 3. 品牌数据如何抽取的？ 所有品牌数据均来自于商品信息，但不包括书籍类目和充值等没有品牌的类目数据，只针对包含正常品牌信息的商品。 4.???4种用户行为的类型有什么区别？ 点击：点击行为是用户在网站上对商品的一次浏览点击行为。 购物车：用户对商品的加入购物车行为，购物车本身有容量限制(50个商品)，用户可以在购物车中直接购买商品，或者删除购物车中商品。数据中没有提供用户删除购物车内商品的行为。