在现代搜索引擎的个性化排序与推荐(广告)系统中，多层级成体系的用户画像构建算法是实现精准广告投放的基础技术之一。其中，基于人口属性的广告定向技术是普遍适用于品牌展示广告和精准竞价广告的关键性技术。人口属性包括自然人的性别、年龄、学历等基本属性。
在搜索引擎中，用户通过输入具体的查询词来获取相关信息。因此，用户的历史查询词与用户的基本属性及潜在需求有密切的关系。
举例如下：
- 年龄在19岁至23岁区间的自然人会有较多的搜索行为与大学生活、社交等主题有关
- 男性相比女性会在军事、汽车等主题有更多的搜索行为
- 高学历人群会更加倾向于获取社会、经济等主题的信息
| 数据文件 | 备注 |
|---|---|
| train.csv | 带标注的训练集 |
| test.csv | 测试集 |
本数据来源于真实搜索引擎数据，ID经过加密，训练集中人口属性数据存在部分未知的情况。数据所有字段如下表所示：
| 字段 | 说明 |
|---|---|
| ID | 加密后的ID |
| Age | 0：未知年龄; 1：0-18岁; 2：19-23岁; 3：24-30岁; 4：31-40岁; 5：41-50岁; 6： 51-999岁 |
| Gender | 0：未知1：男性2：女性 |
| Education | 0：未知学历; 1：博士; 2：硕士; 3：大学生; 4：高中; 5：初中; 6：小学 |
| Query List | 搜索词列表 |
对于train.csv中的数据记录：
| ID | Age | Gender | Education | Query_List |
|---|---|---|---|---|
| 00627779E16E7C09B975B2CE13C088CB | 4 | 2 | 0 | 钢琴曲欣赏100首 一个月的宝宝眼睫毛那么是黄色 宝宝右眼有眼屎 小儿抽搐怎么办 剖腹产后刀口上有线头 属羊和属鸡的配吗 |
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent