В этом соревновании вам предстоит построить модель ранжирования объявлений в рекомендательной ленте Авито. Для каждой ленты уже подготовлен набор кандидатов. Задача — расположить выше объявления, с которыми пользователь с большей вероятностью совершит целевое действие.
Участникам доступны обезличенные данные о рекомендательных выдачах: признаки кандидатов, векторные представления пользователей и объявлений, а также история пользовательских событий.ьных выдачах: признаки кандидатов, векторные представления пользователей и объявлений, а также история пользовательских событий.
Задача
Каждая лента определяется идентификатором feed_id. Для каждого объявления в ней необходимо предсказать числовую оценку score: чем выше оценка, тем выше объявление должно находиться в ленте.
Целевая метка target бинарная:
1 — зафиксировано хотя бы одно событие из набора целевых действий;
0 — таких событий не зафиксировано.
Все события из целевого набора имеют одинаковый вес. Ранжирование выполняется внутри каждой ленты; сопоставимость оценок между разными лентами не требуется.
Данные
Датасет разделён по времени на train, val и test. Train предназначен для обучения, val — для локальной проверки качества и подбора параметров, test — для итоговых предсказаний. Метки test участникам не выдаются.
Val и test собраны из выдач, в которых кандидаты были равномерно случайно перемешаны ещё до показа пользователю. Целевые метки сформированы по обратной связи после этих показов. При подготовке файлов кандидаты также перемешаны вместе со всеми их признаками; исходные позиции в val и test не публикуются.
Каждая лента содержит как минимум пять кандидатов после фильтрации. Участникам доступны пять нормализованных числовых признаков, категории, 128-мерные эмбеддинги и история до 256 событий пользователя.
Подробная структура файлов и правила подготовки приведены в разделе «Данные».
Решения проверяются автоматически. Запуск происходит на полностью закрытых тестовых данных, которые не передаются участникам.
На лидерборде рейтинг участников будет рассчитываться по Public подвыборке ответов из тестовых данных. Финальные метрики будут рассчитаны на Private подвыборке. Отношение Public/Private - 30/70.
Кол-во сабмитов в день: 5
Метрика соревнования — NDCG
После выбора итогового решения, топ 10 участников должны прислать свое решение
Данные
Все файлы и их описание вы найдете во вкладке “Данные” после старта соревнований