第9名解决方案

设置

通过 2折交叉验证 (2fold CV) 进行本地评估
按 POI (兴趣点) 进行 GroupKFold 分组

第一步：候选选择

• 为每个 ID 选择 400 个候选
  • 基于经纬度的 KNN：350 个候选
  • 基于经纬度 + 名称 TFIDF 的 KNN：50 个候选
• 最大 IoU：0.994，共 4.2 亿个候选对

第二步：轻量级模型建模

• 使用 CatBoost 配合 TFIDF 相似度特征
  • 特征 (40个特征)
    • 基于 TFIDF 的文本相似度
    • 文本的原始值 & 差分整数值
    • 经纬度的原始值 & 差分值
  • 阈值为 0.005
  • 最大 IoU：0.987，300 万个候选对

第三步：完整建模

• CatBoost 和 LightGBM
  • CatBoost 对每段文本进行文本编码
    • 文本编码带来了 0.010 的提升
  • 特征 (第二步的 40 个 + 100 个特征)
  • 文本相似度计算使用了 gesh, LCS, leven, jaccard 等 12 种方法
  • ID 计数，匹配 ID 数
  • 对 ['name', 'name_match'], ['categories', 'categories_match'] 每对进行目标编码 (Target Encoding) (2折)

第四步：后处理

• 计算节点预测值：取邻居预测值的平均，按预测值排序
  • 阈值：0.4

分数

• 最终 CV：0.905 (2折 CV)
• 线上得分 (LB)：
  • CatBoost (cb): 0.925
  • cb + 后处理 (pp): 0.930
  • cb + lgb + pp: 0.933
  • cb + lgb + pp + 训练所有数据 (1折): 0.943
  • cb + lgb + pp + 所有数据 + 5个模型集成: 0.945
  • cb + lgb + pp + 所有数据 + 集成 + 增加迭代次数 (过拟合): 0.948