比赛内容：

本届挑战赛共设置了三道创新赛题：''拒绝推断"、''特征挖掘"、''多金融场景下的模型训练"，赛题全面涵盖了机器学习、迁移学习、知识图谱、文本挖掘等多个支撑金融服务的技术领域。融360为大赛开放了千万级的海量脱敏数据，旨在给竞赛选手带来真实业务场景下的实践体验。

无论从赛事的设计理念，还是到对技术考察的把握，本届比赛都将对学界和业界产生非常重大的参考意义。

赛题一：拒绝推断

【技术领域】半监督学习+迁移学习

在金融信贷场景中，机构只向通过审核的用户放款，也只能获得放款用户的还款情况，却无法观察到大量拒绝用户的还款情况。在模型验证过程中，不能检验模型对拒绝用户的判别能力，而且随着迭代，样本会越来越偏离总体用户的真实情况。导致模型失效，大量坏账出现，直接带来巨大经济损失。因此，在真实观测数据有偏的情况下，如何保证模型对放款用户和拒绝用户都有良好的排序能力，是亟待解决的问题。

分析任务：

1、 处理用户征信数据，提取数据特征；

2、 根据样本特点，抽取合适的训练集进行建模，保证模型在训练数据和验证数据的效果。

赛题二：特征挖掘

【技术领域】知识图谱+文本挖掘

融360是中国最大的网络贷款平台，一端连接贷方的上亿个小微企业和个人消费者，另一端连接借方的数千家金融机构和数十万款金融产品。除了撮合借贷业务之外，平台最重要的职责之一，就是提供必要的风控服务：对用户的逾期情况的判断。

分析任务：

1、 处理用户行为表现数据，筛选显著入模特征，解释特征的生成方式及意义；

2、 利用特征建模，精确预测用户的逾期还款情况。

赛题三：多金融场景下的模型训练

【技术领域】数据挖掘

在业务中，融360积累了不同时期、不同金额、不同期限、不同利率、不同市场环境下的大量借贷订单。所以融36

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！