kaggle与StumbleUpon永green分类挑战竞争

StumbleUpon Evergreen Classification Challenge

------2013/08/16 -- 2013/10/31

研究背景概述

构建一个分类器，用于将网页划分为长期流行或短期流行两类。

StumbleUpon是一家位于美国的用户生成内容平台，用户在此分享各类信息，网站则借助用户的行为数据来绘制兴趣图谱，并实现对用户偏好的个性化分析。

StumbleUpon曾举办一项竞赛，企业方提供了相关数据集，其中包括带有标签的训练数据以及需要预测的测试数据。参赛者需依据StumbleUpon提供的历史信息，设计分类模型，以判断其提供的网页属于长期受欢迎类型还是短期受欢迎类型。

训练数据包含网页内容及其标签（标明该网页是否为长期备受欢迎）；

测试数据仅包含网页内容；

预测目标y为0或1（0表示非长期流行，1表示长期流行）。

官网所公布的数据集格式如下：

FieldName	Type	Description
url	string	Url of the webpage to be classified
urlid	integer	StumbleUpon's unique identifier for each url
boilerplate	json	Boilerplate text