公开数据集
数据结构 ? 2276.04M
Data Structure ?
* 以上分析是由系统提取分析形成的结果,具体实际数据为准。
README.md
Описание задачи
Это данные для [SNA Hackathon - Коллаборативная система][1], одной из трех задач из [SNA Hackathon][2].
Для соревнования [SNA Hackathon][2] были собраны логи показов контента из открытых групп в новостных лентах социальной сети [Одноклассники][4] пользователей за февраль-март 2018 года. В тестовое множество спрятаны последние полторы недели марта. Каждая запись в логе содержит информацию о том, что и кому было показано, а также о том, как отреагировал пользователь на этот контент: поставил ?Класс?, прокомментировал, проигнорировал или скрыл из ленты.
Суть задачи в том, чтобы для каждого пользователя тестового множества отранжировать кандидатов, как можно выше поднимая тех, которые получат ?класс?.
Описание данных
Информация представлена в формате [Apache Parquet][5], который является основным для фреймворка Spark. Для работы с этим форматом из Python мы рекомендуем воспользоваться библиотекой [Apache Arrow][6]. Для простоты понимания в репозитории на [GitHub][7] выложены бейзлайны. Пользуйтесь!
В обучающем множестве данные разложены по дням, а внутри дня разделены на 6 частей по ID пользователя (один и тот же пользователь всегда попадает в ту же самую часть). Такая раскладка позволяет участникам анализировать не все данные сразу, а ограничиться определёнными днями и/или подгруппами пользователей.
Данные содержат следующие поля (папки `/train` и `/test`):
- `instanceId_userId` — идентификатор пользователя (анонимизированный)
- `instanceId_objectType` — тип объекта
- `instanceId_objectId` — идентификатор объекта (анонимизированный)
- `feedback` — массив с типами реакций пользователя (наличие в массиве токена Liked говорит о том, что объект получил ?класс? от пользователя)
- `audit_clientType` — тип платформы, с которой зашёл пользователь
- `audit_timestamp` — время, когда строилась лента
- `metadata_ownerId` — автор показанного объекта (анонимизированный)
- `metadata_createdAt` — дата создания показанного объекта
- `audit_*` — расширенная информация о контексте построения ленты;
- `metadata_*` — расширенная информация о самом объекте;
- `userOwnerCounters_*` — информация о предыдущих взаимодействиях пользователя и автора контента;
- `ownerUserCounters_*` — информация о предыдущих взаимодействиях автора контента и пользователя;
- `membership_*` — информация о членстве пользователя в группе, где опубликован контент;
- `user_*` — подробная информация о пользователе;
- `auditweights_*` — большое количество runtime-признаков, извлечённых текущей системой.
Оценка результата
Участники чемпионата должны так отсортировать ленту, чтобы объекты с высокой вероятностью ?класса? оказались наверху. Сортировка производится индивидуально для каждого пользователя, после чего формируется текст сабмита следующего вида (формат соответствует экспорту из Pandas-датафрейма с колонками типа `int` и `int[])`:
User_id_1,"[object_id_1_1, object_id_2_2]
User_id_2,"[object_id_2_1, object_id_2_2, object_id_2_3]
В сабмите должна присутствовать строчка для каждого пользователя тестового набора, а строки отсортированы по возрастанию ID. Объекты для каждого пользователя должны быть отсортированы по убыванию релевантности. При оценке сабмита для каждого пользователя будет посчитан его личный ROC-AUC, после чего посчитано среднее по всем пользователям и умножено на 100.
[1]: https://mlbootcamp.ru/round/17/tasks/
[2]: https://snahackathon.org/
[3]: https://mlbootcamp.ru/round/17/tasks/
[4]: https://ok.ru/
[5]: https://parquet.apache.org/
[6]: https://arrow.apache.org/
[7]: https://github.com/MailRuChamps/snahackathon
×
帕依提提提温馨提示
该数据集正在整理中,为您准备了其他渠道,请您使用
注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。
暂无相关内容。
暂无相关内容。
- 分享你的想法
去分享你的想法~~
全部内容
欢迎交流分享
开始分享您的观点和意见,和大家一起交流分享.
数据使用声明:
- 1、该数据来自于互联网数据采集或服务商的提供,本平台为用户提供数据集的展示与浏览。
- 2、本平台仅作为数据集的基本信息展示、包括但不限于图像、文本、视频、音频等文件类型。
- 3、数据集基本信息来自数据原地址或数据提供方提供的信息,如数据集描述中有描述差异,请以数据原地址或服务商原地址为准。
- 1、本站中的所有数据集的版权都归属于原数据发布者或数据提供方所有。
- 1、如您需要转载本站数据,请保留原数据地址及相关版权声明。
- 1、如本站中的部分数据涉及侵权展示,请及时联系本站,我们会安排进行数据下线。