reczoo/Avazu_x1

# Avazu_x1

+ **Dataset description:**

This dataset contains about 10 days of labeled click-through data on mobile advertisements. It has 22 feature fields including user features and advertisement attributes. The preprocessed data are randomly split into 7:1:2\* as the training set, validation set, and test set, respectively.

The dataset statistics are summarized as follows:

| Dataset | Total | #Train | #Validation | #Test |
| :--------: | :-----: |:-----: | :----------: | :----: |
| Avazu_x1 | 40,428,967 | 28,300,276 | 4,042,897 | 8,085,794 |

+ **Source:** https://www.kaggle.com/c/avazu-ctr-prediction/data
+ **Download:** https://huggingface.co/datasets/reczoo/Avazu_x1/tree/main
+ **Repository:** https://github.com/reczoo/Datasets

+ **Used by papers:**
- Weiyu Cheng, Yanyan Shen, Linpeng Huang. [Adaptive Factorization Network: Learning Adaptive-Order Feature Interactions](https://ojs.aaai.org/index.php/AAAI/article/view/5768). In AAAI 2020.
- Kelong Mao, Jieming Zhu, Liangcai Su, Guohao Cai, Yuru Li, Zhenhua Dong. [FinalMLP: An Enhanced Two-Stream MLP Model for CTR Prediction](https://arxiv.org/abs/2304.00902). In AAAI 2023.
- Jieming Zhu, Qinglin Jia, Guohao Cai, Quanyu Dai, Jingjie Li, Zhenhua Dong, Ruiming Tang, Rui Zhang. [FINAL: Factorized Interaction Layer for CTR Prediction](https://dl.acm.org/doi/10.1145/3539618.3591988). In SIGIR 2023.

+ **Check the md5sum for data integrity:**
```bash
$ md5sum train.csv valid.csv test.csv
f1114a07aea9e996842c71648e0f6395 train.csv
d9568f246357d156c4b8030fadb8b623 valid.csv
9e2fe9c48705c9315ae7a0953eb57acf test.csv
```

# Avazu_x1

+ **数据集描述：**

本数据集包含约10天的移动广告标注点击数据，共涵盖22个特征字段，包含用户特征与广告属性两类信息。经预处理后的数据集已按照7:1:2的比例随机划分为训练集、验证集与测试集。

数据集统计信息如下：

| 数据集 | 总样本量 | 训练集样本量 | 验证集样本量 | 测试集样本量 |
| :--------: | :-----: |:-----: | :----------: | :----: |
| Avazu_x1 | 40,428,967 | 28,300,276 | 4,042,897 | 8,085,794 |

+ **数据来源：** https://www.kaggle.com/c/avazu-ctr-prediction/data
+ **下载地址：** https://huggingface.co/datasets/reczoo/Avazu_x1/tree/main
+ **数据集仓库：** https://github.com/reczoo/Datasets

+ **引用论文：**
- 程伟宇，沈妍妍，黄麟鹏. 《自适应分解网络：学习自适应阶数特征交互（Adaptive Factorization Network: Learning Adaptive-Order Feature Interactions）》[https://ojs.aaai.org/index.php/AAAI/article/view/5768]，发表于2020年美国人工智能协会年会（AAAI 2020）.
- 毛克龙，朱杰明，苏良才，蔡国浩，李昱儒，董振华. 《FinalMLP：面向点击率（Click-Through Rate, CTR）预测的增强型双流MLP模型（FinalMLP: An Enhanced Two-Stream MLP Model for CTR Prediction）》[https://arxiv.org/abs/2304.00902]，发表于2023年美国人工智能协会年会（AAAI 2023）.
- 朱杰明，贾庆林，蔡国浩，戴全宇，李静杰，董振华，唐瑞明，张锐. 《FINAL：面向点击率预测的分解交互层模型（FINAL: Factorized Interaction Layer for CTR Prediction）》[https://dl.acm.org/doi/10.1145/3539618.3591988]，发表于2023年国际计算机学会信息检索年会（SIGIR 2023）.

+ **数据完整性MD5校验：**
bash
$ md5sum train.csv valid.csv test.csv
f1114a07aea9e996842c71648e0f6395 train.csv
d9568f246357d156c4b8030fadb8b623 valid.csv
9e2fe9c48705c9315ae7a0953eb57acf test.csv

原始信息汇总

Avazu_x1 数据集概述

数据集描述

该数据集包含大约10天的移动广告点击数据，具有22个特征字段，包括用户特征和广告属性。预处理后的数据被随机分为训练集、验证集和测试集，比例为7:1:2。

数据集统计信息

数据集	总计	训练集	验证集	测试集
Avazu_x1	40,428,967	28,300,276	4,042,897	8,085,794

数据完整性校验

使用以下md5sum值进行数据完整性校验：

bash $ md5sum train.csv valid.csv test.csv f1114a07aea9e996842c71648e0f6395 train.csv d9568f246357d156c4b8030fadb8b623 valid.csv 9e2fe9c48705c9315ae7a0953eb57acf test.csv