跳转至

数据集分析与可视化

本分区提供 TAAC 2026 数据集的自动化探索性分析，以及从上届竞赛论文中提炼的数据层面经验。

所有统计数据和图表均由 taac-dataset-eda CLI 工具自动生成，可随时重跑刷新：

uv run taac-dataset-eda                            # 默认 sample 数据集
uv run taac-dataset-eda --dataset path/to/data     # 自定义数据路径
uv run taac-dataset-eda --json-path figures/eda/stats.json  # 同时输出 JSON

文档索引

文档 说明
数据集 EDA 报告 本届数据集的自动化分析报告（含图表）
评估指标分析 评估协议解读与指标优化方向
TAAC 2025 论文洞察 TAAC 2025 论文关键经验提炼

编程接口

分析功能也可作为 Python API 直接调用：

from taac2026.infrastructure.io.datasets import iter_dataset_rows
from taac2026.reporting.dataset_eda import (
    classify_columns,
    compute_column_stats,
    compute_label_distribution,
    compute_sequence_lengths,
    echarts_label_distribution,
)

rows = list(iter_dataset_rows("TAAC2026/data_sample_1000"))
groups = classify_columns(list(rows[0].keys()))
label_dist = compute_label_distribution(iter(rows))

# 生成 ECharts JSON 配置（可直接写入 .echarts.json 文件）
import json
chart_opt = echarts_label_distribution(label_dist)
print(json.dumps(chart_opt, ensure_ascii=False, indent=2))

快速背景

TAAC（腾讯广告算法挑战赛）是针对工业广告场景的全模态生成推荐竞赛。核心任务是：给定用户的全模态广告互动历史序列，预测用户下一个最可能交互的广告。

与经典推荐的关键区别：

  • 生成式范式：自回归序列预测，而非判别式重排序
  • 全模态输入：协作 ID + 文本嵌入 + 视觉嵌入
  • 异构行为：曝光 / 点击 / 转化，需区分行为类型
  • 工业级规模：百万到千万级用户序列

评论