阿里巴巴大数据竞赛介绍.ppt

相关介绍,ALIDATA DISCOVERY阿里巴巴大数据竞赛,刘晓中国科学院计算技术研究所2014.3.21,竞赛机制数据介绍评比机制,竞赛机制,阿里巴巴大数据竞赛是阿里巴巴集团主办，在阿里巴巴大数据科研平台“天池”上开展的，基于天猫海量真实用户的访问数据的推荐算法大赛。,竞赛机制,天池-大数据研究平台“平台、金融、数据”“数据分享平台”针对当前学术界面临的两个问题，一是缺少有价值的真实的商业数据；二是缺少具有强大功能的计算平台支持复杂的数据处理。阿里巴巴集团于2014年正式推出“天池”平台，“天池”平台基于阿里集团的海量数据离线处理服务ODPS，向学术界提供科研数据和开放数据处理服务。,竞赛机制,ODPSODPS(Open Data Processing Service)阿里云开放数据处理服务，是阿里巴巴公司借助阿里云提供的大规模分布式数据处理服务。ODPS以REST API的形式，支持用户提交类SQL的查询语言，对海量数据进行处理。,竞赛机制,赛制安排,赛制安排,竞赛机制,奖项设置：Season 1 不设奖项，但是会从参赛队伍中选择较优者进入Season 2阶段比赛 Season 2 阶段奖项：一等奖：1支队伍，奖金贰拾万 二等奖：1支队伍，奖金伍万 三等奖：1支队伍，奖金贰万（上述奖项以决赛答辩成绩的最终名次决定）月星星奖：每期月度榜单排名Top10的参赛队成员都将获得搭载云OS的手机一部（具体手机型号在公布榜单时公布）优胜奖：决赛全国赛排名Top50的参赛队成员直接进入阿里巴巴校园招聘绿色通道(即招聘流程省略简历筛选及笔试筛选阶段，直接进入面试阶段),在校期间均有效;并将获得阿里纪念T恤和大赛获奖证书 总决赛Top10的主要参赛队成员可直接入围“阿里星”计划,参赛队的指导老师（如有）将享受天池数据的最高使用权限1年Season 3 线上阶段奖项：Season 2 阶段的优胜者，将会受邀访问天猫，在天猫实际开发2014年双11线上算法，并有机会赢取100万大奖（组委会将在Season 2结束后公布细则）,数据介绍,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。,数据介绍,数据介绍天猫提供了884位用户对于9531种商品的操作类型，共提供了182881条记录。,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)。,数据介绍,数据介绍天猫提供了884位用户对于9531种商品的操作类型，共提供了182881条记录。,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)。,数据介绍,数据介绍天猫提供了884位用户对于9531种商品的操作类型，共提供了182881条记录。,t_alibaba_data.csv,数据介绍,Season 1赛季数据1)数据说明：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 2)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）,数据介绍,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。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。,评比机制,评比机制准确率与召回率,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,评比机制,评比机制准确率与召回率,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。,排行榜,现阶段排名,