铜牌 + 魔法 = 金牌 ~ 第8名解决方案

首先，感谢 Kaggle 举办这次比赛，并祝贺所有的获奖者！

其实我在比赛刚开始时就注意到了它，但直到最后一个月才开始真正着手工作。但这一个月对我来说其实太长了，因为我在10天内就很快耗尽了思路。更糟糕和令人沮丧的是，排行榜（LB）非常不稳定。我真的差点就要放弃了，直到有人在论坛上发帖说有一种“后处理魔法”。幸运的是，经过一天的努力钻研，我发现了这个魔法，并在2天内完善了它。

然而，在最后的两周里，我还是有点放弃了，转而去玩电脑和视频游戏。因为我预计到比赛结束时，金牌区会被0.73分的成绩淹没。而且会有严重的震动，我没有任何出色且稳健的思路。要真正确保金牌席位，基本上需要达到公开分0.74，我认为这对我来说是不可能的。

好吧，最终的结果对我来说还不错。这是我第一次获得单人金牌。如果我太努力并过度拟合排行榜，谁知道会发生什么呢。:)

魔法

我将用以下样本来解释这个魔法：

• 's awesome' = 原始答案 = answer_
• ' He`s awesome... Have you worked with him before? He`s a good friend.' = 原始文本 = text_
• 'He`s awesome... Have you worked with him before? He`s a good friend.' = 无额外空格 = text
• 'awesome' = 真实答案 = answer

其实理论非常简单，当原始文本中答案结束位置之前存在额外的空格时，就会发生偏移（噪声）。

假设 answer = text[s:e]，那么 answer_ = text_[s:e+2]。

代码其实也非常简单：

def post_processing(answer, text, text_):
    if len(text_) > 0:
        answer = answer.strip().lower()
        text = text.lower()
        p = find_(text_, "  ")
        q = find_(text, answer)
        if text_[0] == " " or 0 <= p <= q + len(answer) - 2:
            answer = text_[q:q + len(answer) + 2]
    return answer

我认为这至少有99%是正确的。当然也有一些例外，因为它们原本就是错的。

模型

我基本上只是融合了几个在架构和清洗方面有细微差别的模型。抱歉让你失望了。:)

• 模型 1： 与那些高分的公开内核类似。唯一的区别是我移除了答案中所有的噪声和错误。公开 LB：0.716
• 模型 2： 与模型 1 相同，除了我移除了 CNN 头部。公开 LB：0.714
• 模型 3： 与模型 2 相同，除了我补全了噪声。例如，在上面的样本中，我会把答案改为 'He`s awesome'。公开 LB：0.714
• 模型 4： 通过反转后处理魔法进行预处理，然后遵循与模型 1 相同的过程：公开 LB：0.719
• 融合： 模型1 + 模型2 + 模型3 + 4.5*模型4：公开 LB：0.723
• + 后处理：公开 LB：0.731 私有 LB：0.729

但是，如果我们去掉所有与魔法相关的东西，也就是说，移除预处理和模型4，我能得到多少分？

嗯，我可以告诉你，模型1 + 模型2 + 模型3：公开 LB：0.718。而且别忘了还有0.002的震动下调。（我认为这很幸运！）所以，认真地说，铜牌确实是一个乐观的估计。

我必须把预处理代码放在