{
  "fetched_at": "2026-10-19T07:40:00Z",
  "source_url": "https://www.kaggle.com/competitions/bjtu-hxw-ml-2025/data",
  "pages": [
    {
      "name": "data-description",
      "content": "#数据集文件结构\ntrain.csv : 训练集目标域数据\ntrain_feeds.csv : 训练集源域数据\nfinal_test.csv : 测试集目标域数据\ntest_feeds.csv : 测试集源域数据\n训练数据集用于构建模型。本次任务提供了目标域数据集和源域数据，需要结合两个域中用户行为特征进行联合建模。\n测试集用于测试模型预测效果。本任务需要对目标域测试集中每条记录的点击率进行预测。\n\n#数据\n源域数据和目标域数据各字段含义请在比赛说明文档中查看。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "#任务简介\nCTR(clickthroughrate/点击通过率)是计算广告领域衡量广告效果的重要指标。计算方法为某广告的实际点击次数除以广告的展现量，即CTR=Click/Showcontent。预测用户对某个广告的点击率是广告平台的常见需求。\n\n常见的点击率预测模型使用用户在该平台下的行为特征和交互记录进行建模，预测用户对某个广告可能的点击概率。\n\n但是单个平台下的用户特征数据（目标域数据）相对稀疏、用户行为相对单一，预测效果有限。因此本次任务需要引入相同用户在其他平台下的行为特征数据（源域数据）进行联合建模，深度挖掘用户的兴趣偏好，丰富用户行为特征，提高模型的预测性能。\n\n#任务要求\n本次任务训练集包括目标域数据（用户-广告交互记录和目标域用户行为特征数据）和源域数据（用户在另一个平台的行为特征数据），训练集包含用户6天的交互数据。\n\n测试集为1天的用户行为特征数据（源域特征和目标域特征）。\n\n本任务要求参赛者结合源域数据和目标域数据进行联合建模，预测测试集（final_test.csv）中每条广告的点击概率。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "#评分规则\n根据用户提交的测试集结果的AUC指标进行排名。\n\n#提交格式\n提交结果为一个result.csv文件, 编码采用无 BOM 的 UTF-8，包含 id 列和 pctr 列。\n\n其中id为测试集中广告样本序号，顺序与测试集中顺序一致。提交示例如下：\n```\nid,pctr\n0,0.0013986105945160857\n1,0.0018480002577976919\n2,0.030098481999267856\n3,0.0674006203920971\n4,0.012748468773615833\n...\n```\n#注意事项：\n+ *不允许使用本任务提供数据集以外的任何数据；*",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "#数据方面\n+ 数据已做特殊处理，不包含冷启动用户；\n+ 可以使用穿越特征，本次比赛不对特征做限制；\n+ 不得使用所提供数据以外的任何数据。\n#比赛设置\n+ 5-6人一队，一天最多可提交3次；\n+ 支持讨论区分享本队的trick；\n+ 本任务提供最基础的baseline；\n#比赛指导\n+ 为保证比赛的公平性，比赛过程中不做指导；\n+ 如对数据、评价指标设置等有问题，可在比赛群中提出，公开解答。",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "北京交通大学黄晓雯老师机器学习课程赛题：广告点击率预测",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}