#IJCAI 2018 阿里妈妈广告预测算法 背景 本项目是天池的一个比赛，由阿里妈妈和天池大数据众智平台举办广告预测算法大赛，本次参赛人数多达5200多，而我们只取得了731的成绩，最遗憾的是当我们写好CNN预测结果准备上传，发现队伍被强制解散，只因为的大神队友忘记实名注册，没心很无奈，又非常不甘心，但是这就是规则，我们只有遵循的权利，难过伤心之后还是需要把整个项目进行整理总结。 目标 本次比赛以阿里电商广告为研究对象，提供了淘宝平台的海量真实交易数据，参赛选手通过人工智能技术构建预测模型预估用户的购买意向，即给定广告点击相关的用户（user）、广告商品（ad）、检索词（query）、上下文内容（context）、商店（shop）等信息的条件下预测广告产生购买行为的概率（pCVR），形式化定义为：pCVR=P(conversion=1 | query, user, ad, context

IJCAI-2018 数据集，包括初赛及复赛的数据。

环境需求 运行环境 python2.7 Anaconda 4.0 Jupyter notebook 外部依赖库 numpy pandas sklearn statsmodels 文件 data 用于存储所有的数据，包括原始数据，额外数据，处理后的数据，模型中间数据以及最后提交的结果。 results 存储模型和规则预测出的最终结果。 shop_info_name2Id 将商店中的地址、三级分类等名词映射成Id保存在该文件夹下。 statistics 原始数据处理后的数据，包括平滑后的数据，天气数据和天气统计。 test_train 存储线下线上train和test的特征以及标签文件。 weekABCD 线下线上训练集和测试集的划分，按日分。 weekABCD_0123 线下线上训练集和测试集的划分（将一天分为四个时间段，没六小时一个时间段）。 main 主要的数据预处理代码和模型，以及数据分析代码。 analysis 数据分析的代码和统计结果。 data_processing 数据预处理，包括数据统计，数据预处理，数据平滑，训练集和测试集划分。 avg_smooth

IJCAI-18 阿里妈妈搜索广告转化预测总结（0.13966，53/5204） 赛题内容 本次比赛以阿里电商广告为研究对象，提供了淘宝平台的海量真实交易数据，参赛选手通过人工智能技术构建预测模型预估用户的购买意向，即给定广告点击相关的用户（user）、广告商品（ad）、检索词（query）、上下文内容（context）、商店（shop）等信息的条件下预测广告产生购买行为的概率（pCVR），形式化定义为：pCVR=P(conversion=1 | query, user, ad, context, shop)。 结合淘宝平台的业务场景和不同的流量特点，我们定义了以下两类挑战： 日常的转化率预估 特殊日期的转化率预估 评估指标 数据挖掘流程 数据探索与特征使用方案：业务逻辑和特征覆盖率 数据采样：样本采样与过滤 根据特征使用方案构造特征：基础特征、平稳特征、动态特征、高阶特征、文本特征、偏好

自己整理的IJCAI2018自然语言处理方向的论文，总共95篇，有感兴趣的可以一阅。

Role2Vec ⠀ ⠀ 基于学习角色的图嵌入的可扩展并行gensim实现（IJCAI 2018） 。 抽象的 随机游走是许多现有网络嵌入方法的核心。 但是，这样的算法由于使用随机游走而具有许多局限性，例如，由于这些方法所产生的特征与顶点身份相关联，因此无法转移到新的节点和图上。 在这项工作中，我们介绍了Role2Vec框架，该框架使用了归因于随机游走的灵活概念，并为泛化现有方法（例如DeepWalk，node2vec和许多利用随机游走的其他方法）奠定了基础。 我们提出的框架使这些方法可以更广泛地应用于转导和归纳学习，以及在具有属性的图上使用（如果可用）。 这是通过学习泛化到新节点和图的功能来实现的。 我们表明，我们提出的框架是有效的，平均AUC改善了16.55％，同时所需的空间比各种图形上的现有方法平均少853倍。 二阶随机游走采样方法取自的参考实现。 该模型现在也可在包中找到。

眼网 机器学习算法框架（SVM + DNN）已在CompBio 2018的ICML-IJCAI研讨会上接受 EyeNet包含用于医学信息学和机器学习研究的机器学习模型和疾病标签 参考 如果您觉得这对您的工作有用，请考虑引用以下参考资料： @article{yang2018novel, title={A Novel Hybrid Machine Learning Model for Auto-Classification of Retinal Diseases}, author={Yang, C-H Huck and Huang, Jia-Hong and Liu, Fangyu and Chiu, Fang-Yi and Gao, Mengya and Lyu, Weifeng and Tegner, Jesper and others}, journal={arXiv

IJCAI-18 阿里妈妈搜索广告转化率预测 队名：进复赛就开源 成绩：round1 Rank 58/5204,round2 112/5204     文件说明 main.py: 主函数，包括特征提取与函数定义。 EDA_visual.py: 数据可视化分析文件 Bayes code: 贝叶斯平滑代码，这个可进行预处理保存为文件，可节省时间。 数据分析    主要包括数据分布分析，训练数据与测试数据的区别，以及对数据去重，填补空缺值等操作。通过对数据可视化处理，分析出特征与转化率之间的关系，有利于后续对特征的提取。 主要特征 点击次数\个数统计特征:    原始特征主要包括用户信息，广告商品信息，上下文信息以及店铺信息。根据经验，首先对重要特征统计次数以及两两之间互相组合，主要包括：用户与商品组合，商品与商店组合，用户与商店组合以及它们之间内部的组合。这里主要用到的工具是pandas中的g

IJCAI2020的论文模板：LaTeX，word均有。每年模板变化不大，适用于想要投稿IJCAI的同学下载使用，直接用模板书写，省的写完了还得一个个的调格式。

IJCAI-18 阿里妈妈搜索广告转化预测亚军解决方案 -1 赛题介绍 -2 数据下载 初赛数据链接：https://share.weiyun.com/56y91Fx 密码：89kry5 复赛数据链接：https://share.weiyun.com/5HRPNUU 密码：qrs04d -3 file文件中包含 特征重要性，特征群线下测试结果，比赛攻略，答辩ppt -4 代码讲解