本地2w数据测试:

特征工程

统计特征

相似度特征(各种sentence vector相似度 6dim + query单词和title句子相似度的数学统计 5dim) == 11 dim
统计特征(query,title的句子&共现单词长度 7dim + 交集/并集-ngram特征 23 dim + 共现单词(有点冗余?)n-gram特征 43 dim) == 25dim
统计特征(query_title位置特征 5*2 dim) = 10dim
点击量特征 (query,title 点击量2dim + query下所有title的数学统计特征 6dim) = 8dim
note:
总共 54dim
n-gram: 单独,连续两个,连续三个
相似度:余弦,欧几里得,l1,l2,max(l1),min(l1)距离
数学统计: min,max,median,acg,std,sum

vector特征
avg query - avg title

模型

GBDT

改进

特征方面
1.rank特征
2.打压下title的点击量特征

模型方面
SVR...
NN....
....
....