Kaggle赛题解析：K12课程与主题匹配

比赛名称：Learning Equality - Curriculum Recommendations

通过将 K-12 内容与目标主题进行匹配

比赛链接：https://www.kaggle.com/competitions/learning-equality-curriculum-recommendations

比赛类型：内容聚类、细粒度分类

比赛背景

比赛的目标是将教育内容与课程中的特定主题相匹配的过程。选手将开发一个准确高效的模型，该模型在 K-12 教育材料库上进行训练，这些材料已被组织成各种主题分类法。

目前将数字材料与国家课程相结合的努力是手动的，需要时间、资源和课程专业知识，并且需要提高该过程的效率以实现可扩展性和可持续性。

比赛任务

您面临的挑战是预测内容与主题的匹配，以减少用户搜索和发现相关内容时间。

评价指标

提交的内容将根据他们的平均 F2 分数进行评估。均值是以样本方式计算的，这意味着 F2 分数是为每个预测行计算的，然后取平均值。

数据描述

训练集包括来自 Kolibri 内容库中的主题树语料库，以及额外的非公开对齐频道，以及具有较少粒度或较低质量对齐的补充频道。

• topics.csv包含数据集中每个主题的一行。主题被组织成“频道”，每个频道包含一个“主题树”。
• content.csv包含数据集中每个内容项的一行。
• correlations.csv与训练集中的主题关联的内容项。单个内容项可能与多个主题相关联。在每一行中给出一个 topic_id 和所有关联的 content_id 的列表。

比赛赛程

• 2023年3月7日：组队截止日期。
• 2023年3月14日：最终提交截止日期。

赛题奖金

排行榜奖品

• 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

效率奖

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

解题思路

赛题是一个非常规的赛题，由主题和内容两个部分组成。主题和内容分别提供了额外的信息字段，因此我们需要将主题和内容进行匹配。

可以考虑从如下角度进行解题：

• 将主题和内容嵌入，然后计算相似度。
• 将主题和内容匹配抽象为二分类。
• 从图的角度进行匹配主题和内容。