竞赛题目 对于一条原创博文而言,转发、评论、赞等互动行为能够体现出用户对于博文内容的兴趣程度,也是对博文进行分发控制的重要参考指标。本届赛题的任务就是根据抽样用户的原创博文在发表一天后的转发、评论、赞总数,建立博文的互动模型,并预测用户后续博文在发表一天后的互动情况。
数据说明
第一赛季数据 l 训练数据(weibo_train_data(new))2015-02-01至2015-07-31 博文的全部信息都映射为一行数据。其中对用户做了一定抽样,获取了抽样用户半年的原创博文,对用户标记和博文标记做了加密 发博时间精确到天级别。
字段
字段说明
提取说明
uid
用户标记
抽样&字段加密
mid
博文标记
抽样&字段加密
time
发博时间
精确到天
forward_count
博文发表一周后的转发数
comment_count
博文发表一周后的评论数
like_count
博文发表一周后的赞数
content
博文内容
l 预测数据(weibo_predict_data(new))2015-08-01至2015-08-31
字段
字段说明
提取说明
uid
用户标记
抽样&字段加密
mid
博文标记
抽样&字段加密
time
发博时间
精确到天
content
博文内容
l 选手需要提交的数据(weibo_result_data),选手对预测数据(weibo_predict_data)中每条博文一周后的转、评、赞值进行预测
字段
字段说明
提取说明
uid
用户标记
抽样&字段加密
mid
博文标记
抽样&字段加密
forward_count
博文发表一周后的转发数
comment_count
博文发表一周后的评论数
like_count
博文发表一周后的赞数
选手提交结果文件的转、评、赞值必须为整数不接受浮点数!注意:提交格式(.txt):uid、mid、forward_count字段以tab键分隔,forward_count、comment_count、like_count字段间以逗号分隔
#------------------- 思路 特征创建 提取热门话题hot—topic(两个个#号之间) 1.按热门话题分组计算forward_count、comment_count、like_count平均值 2.该博文离自己的热门话题距离时间(随时间热门话题逐渐冷淡)
是否包含http网页链接
是否包含@字符
分解时间(几点,星期几,该年第几周)
按用户分组计算forward_count、comment_count、like_count平均值,发布数量
按用户-热点话题分组计算forward_count、comment_count、like_count平均值
按小时分组计算forward_count、comment_count、like_count平均值
提取@的用户,进行分组计算forward_count、comment_count、like_count平均值,个数
缺失值填充-999
最后使用rf预测