Sharechat推荐系统挑战赛2023用户广告互动数据集-malachiugwu
数据来源：互联网公开数据
标签：推荐系统,广告点击率,广告安装率,用户行为,机器学习,预测,数据竞赛,数据科学
数据概述：
本数据集来源于Sharechat RecSys Challenge 2023比赛，包含用户和广告特征（包括分类特征、二元特征、数值特征）以及用户是否点击和/或安装广告的相关记录。数据集基于2023年连续22天的广告投放数据生成，前21天的数据用于训练模型，第22天的数据用于生成测试集。记录中包括广告被用户浏览的“印象”数据，并标注了用户是否点击广告（is_clicked）和是否安装广告（is_installed）。根据is_clicked和is_installed的值，数据集可以被划分为四个非重叠子集：
- (0, 0): 用户既没有点击也没有安装广告的广告印象
- (1, 0): 用户点击了广告但没有安装的广告印象
- (0, 1): 用户没有点击广告但安装了应用的广告印象
- (1, 1): 用户点击广告后又安装应用的广告印象
为了控制数据集的大小并保护点击率和转化率等敏感信息，对上述四个子集的记录进行了差异性下采样。
数据用途概述：
该数据集适用于推荐系统研究、广告效果评估、用户行为建模等多个领域。参赛者需要利用训练数据训练模型，对测试数据进行预测，并提交预测结果。数据集可用于改进广告推荐算法、分析广告投放效果、理解用户交互行为等。此外，该数据集还适合用于教学和研究，帮助学习者掌握推荐系统和数据科学的相关技能。
数据集包含两个文件夹和一个README文件。训练文件夹包含30个文件，每个文件代表一天的训练数据；测试文件夹包含一个文件，代表测试数据。文件以制表符分隔，格式如下：
训练数据：
每个文件的首行是表头，包含字段名f_0到f_79，以及两个标签列is_clicked和is_installed。后续行代表单个广告展示记录，各字段以制表符分隔。字段类型包括：
- RowId(f_0): 行ID
- Date(f_1): 日期
- Categorical features(f_2到f_32): 分类特征
- Binary features(f_33到f_41): 二元特征
- Numerical features(f_42到f_79): 数值特征
- Labels(is_clicked, is_installed): 标签
测试数据：
测试文件的格式与训练文件相同，但不包含is_clicked和is_installed标签列。
提交格式：
提交文件应包含三列，分别为测试数据中对应的RowId、预测的is_clicked和is_installed值，各列以制表符分隔。
更多详情可访问：https://recsys.acm.org/recsys23/challenge/
