2018阿里妈妈广告大赛：Top1模型揭秘与特征分析

在2018年的阿里妈妈广告算法大赛中，参赛者们针对广告点击预测购买行为这一任务进行了深入研究。竞赛的目标是根据用户(user)、广告(ad)、检索词(query)、上下文(context)和商店(shop)等信息，预测广告产生购买行为的概率pCVR，这是一个典型的二分类问题。大赛分为两个阶段：日常转化率预估和特殊日期的转化率预估，其中评价标准主要采用了Logloss指标。 参赛者们的重点集中在构建高效的模型和选择关键特征上。Top1团队采用的模型设计注重特征工程，包括： 1. Embedding特征：这些特征可能是对文本或类别信息的向量化表示，有助于捕捉词义和类别间的关联性。 2. 统计特征：通过计算用户的点击、浏览等行为的统计数据，反映用户的习惯和偏好。 3. 时差特征：可能涉及时间序列分析，考虑了用户行为的时间依赖性，如过去的转化趋势。 4. 排序特征：与广告展示顺序相关，研究用户对不同位置广告的反应。 Top1团队的主代码展示了他们的模型实现，同时提供了特征重要度分析，以理解哪些特征对预测结果影响最大。他们通过特征重要度结果来优化模型，确保关键特征得到充分利用。 相比之下，Top2团队的策略更为精细，他们将数据划分为训练集和测试集，并构建了多部分特征组合。他们的特征分为基础特征群（17维）、查询交互和用户交互特征（128维）、统计转化率和点击特征（401维），还包括趋势、一次性购买等行为特征（287维）以及强制交叉特征（4950维）。这些特征的综合使用展示了复杂而全面的特征工程策略。 每个团队都对特征重要性进行了评估，以便调整模型参数和特征选择，以提高预测的准确性和效率。通过Logloss作为评价指标，他们不断优化模型，旨在达到最佳的转化率预测性能。 总结来说，这个比赛关注的核心是深度挖掘用户行为数据，通过精心设计的特征和模型来预测购买概率，以及如何通过合理的特征选择和优化策略来应对不同的转化率预估场景。参赛者们展现了在大数据背景下，如何利用机器学习算法解决实际商业问题的实战能力。