第 10 名解决方案

首先，祝贺所有获奖、获得奖品、奖牌等的参与者！
虽然我们未能了解到像将"AND"相关 token 合并为 1 个 token 这样的魔法，但我们希望分享一个简要的解决方案。

1. 创建与目标专利相关而非测试中其他专利的 (cpc, ti, ab, detd) 对

首先，我们计算了与每个测试行相关的所有 cpc_codes、标题等，并生成了对。如果每个 token 对与其他测试专利无关，并且与不在 test.csv 中的其他专利的相关性不如测试行中的专利高，我们就使用这个对。

2. 排序对以节省 Token 计数

想象一个如下所示的查询（token 计数：14）

(cpc:aaa cpc:bbb) OR (cpc:aaa cpc:ccc) OR (cpc:aaa cpc:ddd) OR (cpc:bbb cpc:ddd) OR (cpc:bbb cpc:eee)

通过合并具有相同 token 的对，节省了 token 计数（14 -> 11）

(cpc:aaa (cpc:bbb OR cpc:ccc OR cpc:ddd)) OR (cpc:bbb (cpc:ddd OR cpc:eee))

3. 最终想法

我一直在努力寻找一个可靠的验证集，如下讨论所示。
https://www.kaggle.com/competitions/uspto-explainable-ai/discussion/518461
通过放弃创建另一个验证（或测试）whoosh 索引并计算所有专利元数据，一切进展顺利。

4. 代码链接