Home Depot Product Search Relevance

kaggle赛题链接Home Depot Product Search Relevance，这个题目关键点就是特征提取，给的数据需要观察处理

第一类特征(词汇语意)

• 可以用Levenshtein.ratio函数来评估两个英文单词相似度，
• 使用nltk工具，nltk.corpus 中 wordnet来判断两个词语意相似度
• 如果以上两个相似度都很低，还要查看属性文件中是否有匹配单词（只发现一个训练集是三分，但是与title、description十分不匹配，但是与属性文档中一个项匹配）
• 如果以上都不匹配，至少发现四个案例是这样，搜索的产品型号，需要使用google搜索（网络请求），用搜索到的第一个内容再来判断相似度

第二类特征 词向量（gensim中wod2vec）

• 用word2vec训练维基百科英文语料，来衡量两个词汇相关性
• 用word2vec将product_title与product_description合起来作为语料训练得到词向量

第三类特征 tidf