陆陆续续闲来无事做了几个小比赛，成绩一般，记录在这儿仅防止遗忘。

新浪微博预测

---

赛题内容：赛题分为两个阶段，提供用户粉丝信息，历史微博记录：博文内容，发表时间，评论数赞数转发数，第一阶段预测博文在发表一天后的转发、评论、赞数，第二阶段预测转发评论赞总数，官方对总数分档，不同档加权计分计算准确率。
解决方案：
发现用户身份是微博热度的关键特征，根据历史记录找到使每个用户预测准确率最高的档。
对原始数据按照计分权重重采样，增加模型对权重高的微博的关注度。
结合用户的时间，粉丝数目，微博分词等特征训练模型。

O2O优惠券使用预测

---

赛题内容：赛题提供优惠券类型，商店地址，用户是否存在领取行为及使用状况，预测用户新的已领取的优惠券在未来15内的使用概率。官方使用优惠券核销预测的平均AUC作为评价标准。
解决方案：
按月拆分数据，本月数据作为下一个月样本特征来源，保证训练数据和预测数据的一致性。
从用户商家优惠券三个角度计算特征，包括用户对优惠券类型和商家的偏好值，商家的热度，优惠券的消费比例等。
将以上特征利用GBDT训练预测，并根据用户消费习惯和商家状况构造规则，利用规则对预测结果微调。

基于主动探测的仿冒网站监测与发现

---

项目描述：项目目的在于仿冒网站未获益之前探测到仿冒网站并举报。仿冒网站的URL和网页都与原始网站相似，利用这种特征，对易被仿冒的URL变换，并探测新的URL是否存在，若存在，则判断是否为仿冒，如果是，查找仿冒网站的whois信息，利用whois信息反向查询探测新的仿冒网站。
解决方案：
书写变换规则，如.com->.cn，收集易仿冒的URL，利用规则进行编辑距离3以内的变换。
对变换后存活的URL，从文本图像两个部分与原始网站对比，判断是否为仿冒网站。
对判定为仿冒网站的URL，查询whois信息，并反向查询该whois注册的其他网站进行分析。