京東廣告受眾屬性預估.pdf

1、京東零售 標簽研發部 王賀 廣告受眾基礎屬性預估 DataFunTalk IT人如何通過競賽來提升自身價值 01 賽題理解 02 03 04 特征工程 方案演變 總結與思考 02 本次分享的內容 賽題理解 Day1 點擊序列 Day2 點擊序列 Day n 點擊序列 用戶瀏覽廣告，產生用戶的廣告序列 性別？ 年齡？ 產生數據 預 測 根據用戶點擊的日志，預測 用戶的性別、年齡信息 準確率（accuracy）= 年齡準確率 + 性別準確率 賽題理解-賽題特點 實際業務中我們常通過用戶各類屬性信息為用戶進行精準推薦，廣告投放等。 然而本賽題是逆序建模思路，也就是說，用戶通過點擊經過系統推薦的廣告，

2、 再通過點擊的廣告行為數據反推推薦的邏輯。 廣告推薦系統 曝光 點擊獲得數據 賽題理解 1010分類 2 2分類 2 20 0分類 用戶行為序列預測用戶人口統計學屬性 91天用戶行為序列 = Age & Gender Train: 300W用戶 Test: 100W用戶 賽題理解-稀疏性 用戶行為稀疏廣告投放稀疏 id長尾特性+為現實意義明確的實體的場景下：相似度流派完勝統計流派 id為現實意義明確的實體時，往往具有很豐富的信息，在分布較為稀疏時， 往往基于低頻特征無法很好的學習到id的具體信息。所以需要稠密化轉化。 特征工程-統計特征 1) 用戶出現的總次數和天數 2) 用戶點擊廣告的總次數

3、 3) 用戶點擊不同廣告、產品、類別、素材、廣告主的總數 4) 用戶每天每條廣告點擊的平均次數，均值和方差 交互行為興趣范圍 種子人群 統計每個廣告 受眾人群的性 別年齡分布 該用戶性別年齡的概率分布 平均 廣告ID 屬性ID 特征工程-概率分布特征 方案演變-傳統方案 TFIDFTFIDF統計特征概率分布. ad_idtime TFIDF creative_i d . LightGBM/XGBoost 向量相關 思考：TFIDF的效率 和維度 方案演變-傳統方案 advertiser id1 advertiser id2 ad_id1 ad_id2ad_id3 creative id1 creative id2 creative id3 creative id4 廣告主分層 廣告稀疏屬性具有層級結構，為一對多的關系。 分層編碼：將一對一的詞使用同一個id進行編碼。 可以無損的降低一半詞表