廣州熱線

　　近日，聯(lián)想大數(shù)據(jù)團(tuán)隊(duì)在全球知名的Kaggle數(shù)據(jù)科學(xué)競(jìng)賽中，以?xún)?yōu)異的表現(xiàn)在“網(wǎng)站流量預(yù)測(cè)”(Web Traffic Time Series Forecasting)競(jìng)賽項(xiàng)目躋身前15名。該競(jìng)賽云集了全球數(shù)據(jù)科學(xué)領(lǐng)域的眾多高手，獲得這一突破性的成績(jī)是對(duì)聯(lián)想大數(shù)據(jù)技團(tuán)隊(duì)技術(shù)與實(shí)踐能力的有力證明。

　　由Google贊助的Kaggle競(jìng)賽致力于推動(dòng)數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)的前沿發(fā)展，是該領(lǐng)域所有專(zhuān)業(yè)人士的試煉廠，考驗(yàn)數(shù)據(jù)相關(guān)理論知識(shí)在實(shí)踐中所需的各項(xiàng)能力。

　　此次聯(lián)想大數(shù)據(jù)團(tuán)隊(duì)參與的“網(wǎng)站流量預(yù)測(cè)”競(jìng)賽項(xiàng)目重點(diǎn)，是預(yù)測(cè)多個(gè)時(shí)間序列未來(lái)價(jià)值的問(wèn)題，這一直是該領(lǐng)域最具挑戰(zhàn)性的問(wèn)題之一。更具體地說(shuō)，這個(gè)競(jìng)賽項(xiàng)目的目標(biāo)是測(cè)試參與者所設(shè)計(jì)的最先進(jìn)的方法，預(yù)測(cè)約145000維基百科文章的未來(lái)網(wǎng)絡(luò)流量問(wèn)題。

　　因此，聯(lián)想大數(shù)據(jù)團(tuán)隊(duì)面對(duì)的最大挑戰(zhàn)就是，網(wǎng)站數(shù)量和流量龐大，并且是關(guān)于不同主題、使用不同語(yǔ)言(中文、英文、德語(yǔ)、西班牙語(yǔ)、日語(yǔ)、法語(yǔ))、又分為不同的瀏覽媒介(PC、手機(jī)等)和不同的瀏覽對(duì)象(人類(lèi)、爬蟲(chóng))。這些復(fù)雜的組合使得這些網(wǎng)站的瀏覽量有著非常不同的表現(xiàn)，極難通過(guò)單一的模型來(lái)刻畫(huà)，而由于數(shù)量過(guò)多，分別建模又不可行;不僅如此，需要預(yù)測(cè)未來(lái)60天每天的流覽量，時(shí)間距離遠(yuǎn)且單位小。

　　針對(duì)這一挑戰(zhàn)，聯(lián)想大數(shù)據(jù)團(tuán)隊(duì)積極備戰(zhàn)近兩個(gè)月時(shí)間，最終拿出的方案是準(zhǔn)備多個(gè)不同的模型，在模型選取過(guò)程中加入一些自適應(yīng)性，即根據(jù)不同模型在歷史數(shù)據(jù)上的表現(xiàn)、數(shù)據(jù)的分布特征，時(shí)間距離讓算法自行選擇最優(yōu)模型，并且這些模型有著不同的側(cè)重點(diǎn)，比如有的更注意周期性，有的更注意近期的局部表現(xiàn)，將這些模型進(jìn)行集成。

　　最終，這一思路和方案得到了認(rèn)可，在該競(jìng)賽項(xiàng)目中獲得第12名的好成績(jī)，取得歷史性突破。展望未來(lái)，這一技術(shù)突破有望運(yùn)用于供應(yīng)鏈管理(如產(chǎn)品銷(xiāo)量預(yù)測(cè)等)，或者其他的時(shí)間序列預(yù)測(cè)類(lèi)場(chǎng)景，能夠發(fā)揮重要的業(yè)務(wù)價(jià)值。

　　聯(lián)想大數(shù)據(jù)獲獎(jiǎng)團(tuán)隊(duì)成員表示：“很高興能夠在這一國(guó)際數(shù)據(jù)賽事中取得好成績(jī)，并得到業(yè)界的認(rèn)可。大家以絕不服輸?shù)木?，把?zhuān)注、嚴(yán)謹(jǐn)和精湛的專(zhuān)業(yè)素質(zhì)在比賽過(guò)程中發(fā)揮出來(lái)。這次給我們的最大啟發(fā)，就是更多地走到實(shí)踐中，積累豐富的知識(shí)，靈活地運(yùn)用到各種場(chǎng)景中，發(fā)揮真正的價(jià)值?！?/P>