九月份的时候胡萝卜参加了讯飞的人岗匹配挑战赛，后面机缘巧合和老肥组队打团。比赛过程可谓跌宕起伏，非常有意思。在这里和大家分享一下我们的建模方案。
赛题任务
智能人岗匹配需要强大的数据作为支撑，本次大赛提供了大量的岗位JD和求职者简历的加密脱敏数据作为训练样本，参赛选手需基于提供的样本构建模型，预测简历与岗位匹配与否。实质上，可以看做一个多分类问题。
赛题数据
本次比赛为参赛选手提供了大量的岗位JD和求职者简历，其中：岗位JD数据包含4个特征字段：job_id, 职位名称, 职位描述, 职位要求。求职者简历数据包含15个特征字段：id, 学校类别, 第一学历, 第一学历学校, 第一学历专业, 最高学历, 最高学历学校, 最高学历专业, 教育经历, 学术成果, 校园经历, 实习经历, 获奖信息, 其他证书信息, job_id。这里面的数据都是加密脱敏的，不太会bert的我们只能说：xgb/lgb yyds!
评估指标
本模型依据提交的结果文件，采用macro-F1 score进行评价。
建模方案要点
1 模型有lgb和xgb，其中xgb要比lgb效果好！！！！
2 10折比5折好
3 特征工程包括业务特征如下图，还有一些类别特征之间count、nunique和count/nunique计算，以及计算个人信息与每一个职位之间的余弦相似度（个人信息=学校类别 教育经历 学术成果 校园经历 实习经历 获奖信息 其他证书信息，职位信息=职位名称 职位描述 职位要求，采用TFIDF（2-gram）算法处理），人个信息用TFIDF(2-gram)进一步处理生成文本特征矩阵。
4 个人信息生成的文本特征矩阵非常高维，降维处理会降低精度，不降维训练时间长，需要人工调整min_df和max_df参数。
5 结果概率后处理提分，老肥神操作，看不懂！知乎的包包大人有关于这方面的详细解答，详见https://zhuanlan.zhihu.com/p/106766826。
6 调调参和模型融合有进一步提升。
写在末尾，数据挖掘一些的tricks基本有用，关键是多做特征和多尝试。
温馨提示：如果你觉得离冠军很远，直接艾特前排冠军组队就好。
