阿里巴巴大数据竞赛介绍

1. 大赛介绍：

阿里巴巴大数据竞赛是阿里巴巴集团主办，以天猫推荐算法为场景，在阿里巴巴大数据科研平台——“天池”上开展的，基于海量真实用户访问数据的算法大赛。

本次比赛的目的是让广大的高校同学在大数据时代的背景下，有机会学习和利用阿里巴巴的大数据和云计算平台，尝试解决真实的业务与社会问题。

整个比赛分为三季（season）：

Season 1：2014 年 3 月 10 日至 4 月 20 日，参赛者可以下载少量天猫的真实行为数据，并在本地调试算法，提交结果。

Season 2：2014 年 4 月 25 日至 7 月 30 日，参赛者须使用“天池”平台（阿里巴巴自主研发的分布式计算平台），访问海量的天猫数据，并利用 Map&Reduce、SQL 及各种平台集成的机器学习算法包调试模型、提交结果。

Season 3（即线上赛，实战双 11）：2014 年 10 月至 11 月，Season 2 的 top 选手可以访问天猫，参与 2014 年双 11 的真实算法设计，并有机会获取百万大奖。

2. 报名规则

1. 参赛对象

全日制高校（研究院所）本科、硕士、博士均可参赛

2. 组队规则

参赛队伍可以是单人组队，或者自由组合，但是最多不超过三人（可以跨学院跨学校）。如果是多人团队，则需指定一名队长，负责沟通事宜。另外每个队伍可以配备指导老师一名

注：

1. 每人只能参加一支队伍；
2. 保证参赛队员报名信息准确有效, 否则会被取消参赛资格及激励；
3. 进入 season2 后，不允许变更队伍成员；
4. 报名时间：只要在 4 月 20 日 0:00（season1 截止）之前报名即可。鼓励大家早点报名，可以早点接触到数据，以确保参赛时间充足。
5. 报名方式：官网注册账号后报名即可
6. 交流论坛：阿里云论坛(后续补充)

3. 报名地址

活动官方地址： http://102.alibaba.com/competition/addDiscovery/index.htm

大赛官方微博： @2014 阿里巴巴大数据竞赛

大赛技术交流微博： @2014 阿里大数据竞赛技术交流

3. 主办方：阿里巴巴集团

4. 赛制安排：

5. 赛题介绍

本赛题适用于 season1 和 season 2 的比赛，season 3 为线上赛（season 2 赛后公布题目）。

在天猫，每天都会有数千万的用户通过品牌发现自己喜欢的商品，品牌是联接消费者与商品最重要的纽带。本届赛题的任务就是根据用户 4 个月在天猫的行为日志，建立用户的品牌偏好，并预测他们在将来一个月内对品牌下商品的购买行为。

我们会开放如下数据类型：

字段

字段说明

提取说明

user_id

用户标记

抽样 & 字段加密

Time

行为时间

精度到天级别 & 隐藏年份

action_type

用户对品牌的行为类型

包括点击、购买、加入购物车、收藏 4 种行为

（点击：0 购买：1 收藏：2 购物车：3）

brand_id

品牌数字 ID

抽样 & 字段加密

用户对任意商品的行为都会映射为一行数据。其中所有商品 ID 都已汇总为商品对应的品牌 ID。用户和品牌都分别做了一定程度的数据抽样，且数字 ID 都做了加密。所有行为的时间都精确到天级别 (隐藏年份)。

6. 评估指标

我们希望参赛队的预测, 预测的品牌准确率越高越好，也希望覆盖的用户和品牌越多越好，所以用最常用的准确率与召回率作为排行榜的指标。

7. 不同赛季使用数据说明

Season 1**** 赛季数据

1) 数据获取格式：

参赛者通过大赛官网报名成功后，可以直接下载数据到本地，直接使用。（补充地址）

2) 数据说明：

提供的原始文件有大约 5M 左右，涉及 1 千多天猫用户，2 千多个天猫品牌，总共 10 万多条的行为记录。用户 4 种行为类型 (Type) 对应代码分别为：

点击：0；购买：1；收藏：2；购物车：3

3) 提交评分方式：

参赛者将预测的用户存入文本文件中，格式如下：

user_id \t brand_id , brand_id , brand_id \n

如图：

将预测结果文件上传至大赛官网结果提交入口即可。（补充地址）

Season 2**** 赛季数据

1) 数据获取方式：

初赛阶段的数据参赛者只能登陆阿里巴巴天池集群获取数据，且数据不能下载，所有数据分析，计算，提交评分都将在天池集群上完成。

登陆天池集群方法，请详见大赛官网相关说明文档。（补充地址）

2) 数据说明：

提供的数据量，涉及千万级天猫用户，万级天猫品牌，时间跨度 4 个月的行为记录。

提供的训练数据在天池集群的表 t_alibaba_bigdata_user_brand_tota_1 中，字段分别为：user_id，brand_id, type, visit_datetime。如图所示

用户 4 种行为类型 (Type) 对应代码分别为：

点击：0；购买：1；收藏：2；购物车：3

3) 提交评分方式：

参赛者完成用户品牌偏好预测后，需要将结果放入指定格式的数据表（非分区表）中，要求结果表名为：t_tmall_add_user_brand_predict_dh，包含 user_id 和 brand 两列。其中 brand 字段为预测的偏好品牌 ID，多个品牌之间用逗号 (",") 分隔。

例如：

8. 奖项设置：

Season 1 不设奖项，但是会从参赛队伍中选择较优者进入 Season 2 阶段比赛。

Season 2 阶段奖项：

一等奖：1 支队伍，奖金贰拾万

二等奖：1 支队伍，奖金伍万

三等奖：1 支队伍，奖金贰万

（上述奖项以决赛答辩成绩的最终名次决定）

• 月星星奖：每期月度榜单排名 Top10 的参赛队成员都将获得搭载云 OS 的手机一部（具体手机型号在公布榜单时公布）
• 优胜奖：决赛全国赛排名 Top50 的参赛队成员直接进入阿里巴巴校园招聘绿色通道(即招聘流程省略简历筛选及笔试筛选阶段，直接进入面试阶段) , 在校期间均有效 ; 并将获得阿里纪念 T 恤和大赛获奖证书
• 总决赛 Top10 的主要参赛队成员可直接入围 **“阿里星”计划, 参赛队的指导老师（如有）将享受天池数据的最高使用权限 1 年。**

Season 3 线上阶段奖项：

Season 2 阶段的优胜者，将会受邀访问天猫，在天猫实际开发 2014 年双 11 线上算法，并有机会赢取 100 万大奖（组委会将在 Season 2 结束后公布细则）。