#任务简介
CTR(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。

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。

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。

#任务要求
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。

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）。

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。