# Tencent2020_Preliminary

**Repository Path**: doubo151/Tencent2020_Preliminary

## Basic Information

- **Project Name**: Tencent2020_Preliminary
- **Description**: 2020年腾讯广告算法大赛
- **Primary Language**: Python
- **License**: GPL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-05-10
- **Last Updated**: 2022-06-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

### 2020腾讯广告算法大赛

> 题目:广告受众基础属性预估

#### 排名
217名。赛后官方公布有11000人参赛.  
![avatar](./doc/rank.png)

#### 赛题描述
本届算法大赛的题目来源于一个重要且有趣的问题。众所周知，像用户年龄和性别这样的人
口统计学特征是各类推荐系统的重要输入特征，其中自然也包括了广告平台。这背后的假设
是，用户对广告的偏好会随着其年龄和性别的不同而有所区别。许多行业的实践者已经多次
验证了这一假设。然而，大多数验证所采用的方式都是以人口统计学属性作为输入来产生推
荐结果，然后离线或者在线地对比用与不用这些输入的情况下的推荐性能。本届大赛的题目
尝试从另一个方向来验证这个假设，即以用户在广告系统中的交互行为作为输入来预测用户
的人口统计学属性。
我们认为这一赛题的“逆向思考”本身具有其研究价值和趣味性，此外也有实用价值和挑战
性。例如，对于缺乏用户信息的实践者来说，基于其自有系统的数据来推断用户属性，可以
帮助其在更广的人群上实现智能定向或者受众保护。与此同时，参赛者需要综合运用机器学
习领域的各种技术来实现更准确的预估。
具体而言，在比赛期间，我们将为参赛者提供一组用户在长度为 91 天(3 个月)的时间窗
口内的广告点击历史记录作为训练数据集。每条记录中包含了日期(从 1 到 91)、用户信息
(年龄，性别)，被点击的广告的信息(素材 id、广告 id、产品 id、产品类目 id、广告主
id、广告主行业 id 等)，以及该用户当天点击该广告的次数。测试数据集将会是另一组用户
的广告点击历史记录。提供给参赛者的测试数据集中不会包含这些用户的年龄和性别信息。
本赛题要求参赛者预测测试数据集中出现的用户的年龄和性别.

#### 核心目标
根据用户的历史点击item以及item的内容属性来预测用户的**性别**和**年龄**

#### 评估方式
年龄预测和性别预测将分别评估准确率，两者之和将被用作参赛者的打分