innoplexus_hack:Innoplexus hackathon的方法和代码（第二名）

innoplexus_hack Innoplexus hackathon的方法和代码（第二名） 问题 问题涉及根据出版物的内容预测出版物将引用的文章。 数据集 我们得到了不相交的集合，其中一些文章仅引用了该集合中的其他文章。 总共有18套，需要注意的重要一点是，训练集和测试集具有不同的文章集（因此，火车中的任何文章都不能引用测试中的文章）。 集合的这种不相交的表示使这个挑战有些棘手，因为普通的tf-idf功能列可能会过拟合，因为它们会学习确切的单词，而其他集合中可能不会出现这些单词。 数据转换以转换为机器学习问题 这是一个棘手的部分，经过与其他编队的漫长跋涉，我终于达到了这一点。 对于大小为k的集合中的每篇文章（我们称其为in_article），表格（k-1）与该集合中的所有其他文章（我们称其为out_article）配对。 因此，对于每个集合，我们总共有k（k-1）对。 对于每对