2016 KDD CUP 大数据竞赛总结

在2016.03 - 2016.06实验室相互组队参加了2016 KDD CUP 大数据竞赛，总共组了三支队伍。我所在这支队伍取得了35/341的成绩。

项目描述 ：

基于相关机构在 8 个会议前 5 年的论文被接收数据，预测相关研究机构 2016 年论文的被接收数量，进而计算出 2016 年指定会议

的相关机构影响力排名。

主要工作 ：

1、特征选择

2、特征抽取

3、分别使用了线性回归模型与 LR 模型对机构论文接收数量进行预测，计算研究机构的影响力

成绩：

F 值 35/341

工作：

根据5年的历史数据，预测2016年指定会议的机构排名。最后共我们确定了两个特征，

x1. 机构每年每个会议论文的被接收数量。

x2. 2011-2015每个机构在各个会议上的排名，简称机构排名。（我们假设每年的机构排名都对下一年的排名产生影响）

Y值：机构的相关性得分（概率得分0-1），即机构的影响力的分。这个有公式可以计算出来！

补充（特征x2和Y值的区别）：这里注意机构的排名和相关性得分是不同的。比如，在2015年斯坦福大学的在KDD投递了50篇文章，排名第一，但是这50篇文章的里面有许多第二第三作者的文章，按照给出的规则，每个机构只能给。那么1/3分的分。那么官方也给出了一个公式通过排名计算机构的相关性得分---即机构的影响力得分，也就是Y值的实质。  所以，就是斯坦福排名第一，但是，它的影响力却不一定能够排名第一！

我们就拿2011-2014年的数据作为训练集，训练出来参数后，拿2015年的数据作为测试集，得出2016年的机构机构得分并排名。

然后，提出每一个会议的前20名作为最终的提交结果。

特征x1机构每年每个会议论文的被接收数量paper_num:

特征x2为2011-2015每个机构在各个会议上的排名：

相关性得分Y：根据比赛官网给的公式得到：

             我们据此提取出Y值：

特征及标签我们都构造完了，就可以利用算法进行了！当然了，特征的提取及标签Y都需要我们选择并进行提取计算。

给出一篇师姐总结的文章，总结的挺好，具体细节我就略了

https://www.douban.com/note/579609055/