PpdaiQuestionPairsMatching:第三届魔镜杯大赛 相似问匹配

LSTM CNN 2. 特征工程 question(leak): tf: q1/q2/q1+q2 tfidf: q1/q2/q1+q2 words(chars): 针对字符串计算 词数 词数差 重叠词数：len(set(q1) & set(q2)) 相同度（相异度 = 1 - 相同度）: com / (q1 + q2 - com)每个状态分量根据目标设置最优权重 simhash jaccard: jaccard = lambda a, b: len(set(a).intersection(b))/(len(set(a).union(b))+0.) 对目标影响大的词（lstm状态差等） 编辑距离 fuzz.QRatio fuzz.WRatio fuzz.partial_ratio fuzz.token_set_ratio fuzz.token_sort_ratio fuzz.partial_