我正在研究点击流数据集。我想出了以下示例数据集来解释我的问题：

ClickTimeStamp        | SessionID | ART_weekOfYear | PagenameClicked | TimeSpentPerSession | CustID | ContractID | ... | TARGET |
2017-01-04 16:48:00   | 1         | 1              | P1              | 1                   | abc    | xyz        |     | 1      |
2017-01-04 16:48:53   | 1         | 1              | P2              | 1                   | abc    | xyz        |     | 1      |
2017-01-11 10:09:57   | 2         | 2              | P1              | 2                   | abc    | xyz        |     | 1      |
2017-01-11 10:11:24   | 2         | 2              | P4              | 2                   | abc    | xyz        |     | 1      |
2017-01-27 13:22:39   | 3         | 4              | P1              | 2                   | abc    | mnp        |     | 0      |
2017-01-27 13:24:01   | 3         | 4              | P7              | 2                   | abc    | mnp        |     | 0      |

上述数据集的每一行都有点击，TARGET 是（假设）合同是否保留（1）或不保留（0）。请记住，目标处于合同级别。

现在，我根据需要聚合上述数据集（即在 contractID 上聚合），训练集如下所示：

CustID | ContractID | ... | SessionID_conct | ART_weekOfYear_conct | PagenameClicked  | TimeSpentPerSession_avg | TARGET | 
abc    | xyz        |     | "1-2"           |"1-2"                 | "P1->P2->P1->P4" | 1.5                     | 1      |
abc    | mnp        |     | "3"             |"4"                   | "P1->P7"         | 2                       | 0      |

问题： 对于数字特征，我只是取平均值（如 TimeSpentPerSession_avg），但对于分类特征，这并不简单。实际上，我的分类特征具有非常高的基数，例如“ PagenameClicked ”。所以我不能简单地将我的分类特征转换为虚拟变量，然后将它们聚合为数值特征。

我想知道处理分类特征的可能解决方案，使维度不会爆炸，并且我还可以在contractID上聚合新的表示。

我已经尝试过实体嵌入并阅读本文了解详细信息。我将每个分类特征转换为 16 维的嵌入表示。但是，现在我被困在为每个 contractID 聚合这些嵌入向量。请让我知道是否有人朝这个方向工作或有更好的解决方案。

感谢分配阅读这个问题。:)