Kaggle賽題解析：K12課程與主題匹配

比賽名稱：Learning Equality - Curriculum Recommendations

通過將 K-12 內(nei) 容與(yu) 目標主題進行匹配

比賽鏈接：https://www.kaggle.com/competitions/learning-equality-curriculum-recommendations

比賽類型：內(nei) 容聚類、細粒度分類

比賽背景

比賽的目標是將教育內(nei) 容與(yu) 課程中的特定主題相匹配的過程。選手將開發一個(ge) 準確高效的模型，該模型在 K-12 教育材料庫上進行訓練，這些材料已被組織成各種主題分類法。

目前將數字材料與(yu) 國家課程相結合的努力是手動的，需要時間、資源和課程專(zhuan) 業(ye) 知識，並且需要提高該過程的效率以實現可擴展性和可持續性。

比賽任務

您麵臨(lin) 的挑戰是預測內(nei) 容與(yu) 主題的匹配，以減少用戶搜索和發現相關(guan) 內(nei) 容時間。

評價指標

提交的內(nei) 容將根據他們(men) 的平均 F2 分數進行評估。均值是以樣本方式計算的，這意味著 F2 分數是為(wei) 每個(ge) 預測行計算的，然後取平均值。

數據描述

訓練集包括來自 Kolibri 內(nei) 容庫中的主題樹語料庫，以及額外的非公開對齊頻道，以及具有較少粒度或較低質量對齊的補充頻道。

• topics.csv包含數據集中每個主題的一行。主題被組織成“頻道”，每個頻道包含一個“主題樹”。
• content.csv包含數據集中每個內容項的一行。
• correlations.csv與訓練集中的主題關聯的內容項。單個內容項可能與多個主題相關聯。在每一行中給出一個 topic_id 和所有關聯的 content_id 的列表。

比賽賽程

• 2023年3月7日：組隊截止日期。
• 2023年3月14日：最終提交截止日期。

賽題獎金

排行榜獎品

• 第一名 - 12,000 美元
• 第二名 - 8,000 美元
• 第三名 - 5,000 美元
• 第四名 - 5,000 美元

效率獎

• 第一名 - 12,000 美元
• 第二名 - 8,000 美元
• 第三名 - 5,000 美元

解題思路

賽題是一個(ge) 非常規的賽題，由主題和內(nei) 容兩(liang) 個(ge) 部分組成。主題和內(nei) 容分別提供了額外的信息字段，因此我們(men) 需要將主題和內(nei) 容進行匹配。

可以考慮從(cong) 如下角度進行解題：

• 將主題和內容嵌入，然後計算相似度。
• 將主題和內容匹配抽象為二分類。
• 從圖的角度進行匹配主題和內容。