presleyhank / advertising-algorithm-competition

2018 腾讯广告算法大赛/IJCAI 阿里妈妈搜索广告转化预测竞赛/讯飞广告营销算法/OGeek

ctr 算法竞赛总结

1、阿里妈妈和腾讯广告算法大赛总结

详情参考 2018IJCAI-阿里妈妈广告搜索转化预测大赛/腾讯广告算法大赛总结

2、讯飞广告营销算法大赛

初赛，复赛均为第 24 名。

三套代码, 两个 lgb 模型，所用特征有稍微差异；另外一个使用 onehot 处理 category 特征，一个没有。第三个是 lgb叶子节点特征 + onehot 处理过后的特征，使用 LR 模型，在整理代码时我尝试使用全连接神经网络来代替逻辑回归，但是最终因为数据太稀疏，导致全连接参数众多，所以训练速度非常慢，所以我并没有训练完，所以不知道效果如何，读者如果需要尝试，可以将全连接替换成 LR 模型。

比赛结束后，我对代码进行了整理，往原始代码里添加了一些其他人的开源特征，实际效果没测试；另外 lgb_model2.py 文件基本使用的是林有夕的代码。

3、天池OGeek算法挑战赛

代码oppo_instance_search_ctr.py 里面有详细注释。复赛暂时50名，但是上传的代码线上只有 0.7058 的分数，可能需要调整一下正负例的分割阈值，总的来说在怎么调整分数也不会很高。

代码思路：

• 利用 prefix_prediction 字段对 prefix 进行拼写纠错改写
• 检查 prefix_prediction 中是否有大于 0.1 的概率的候选项，如果有，则计算该候选项和 title 之间的相似度，召回率，准确率，精确率
• 计算 prefix 是否完整出现在 title 中，并且定位其出现的位置（前，后，中）
• 计算 prefix、title 、tag、以及他们的两两组合转换率，构造组合特征并进行 onehot 处理
• 计算 prefix 和 title 的 1-2gram 相似度，点乘、余弦相似度等相似度，具体见代码
• 对 prefix 和 title 进行 SVD 矩阵分解，得到这些句子的语义向量，然后对 prefix 和 title语义向量进行交互，具体见代码
• 计算 prefix 针对于 title 的召回率，精确率，准确率，详情见代码
• 计算 prefix 长度，以及和 tag 的组合的转换率

如果对你有帮助就点个小星星啊，后期有空将整理一下阿里妈妈和腾讯两个比赛的top开源代码，并做简单解释和统一规范处理成 pipeline（预留坑）