乍看之下，感觉像是一个文本语义相似度的问题。

但想了一想，应该是一个机器学习的监督学习问题。实际上数据集就是 附件 2 嘛。问题编号对应的两个文本作为输入，标签作为输出嘛。

我们先来看一下附件二：

可以看到，标签有1 的，duplicate 那一系列都有值，标签为 0 的，duplicate 没有值。换句话说：那些标签为 0 的，等于 他（以 73399 为例）和其他问题都不重复嘛。我们知道，问题 ID 一共 729

所以，机器学习模型的数据集的大小应该为 7294*7294+988 咯，输入是两两组合，输出是 label

然后问题的难点在于类别不均衡（重复的数据太少，不重复的组合太多了），第二是特征工程，即将文本转换为结构化的向量…

前者用过采样、欠采样；后者用英文的 NLP（不建议用中文来做，因为中文分词很麻烦的）

当然，这个思路不现实的地方就在于数据量比较大，毕竟有 1 亿条数据嘛，而标签为 1 的只有 1000 条左右， 10 W：1 啊。

所以，肯定是需要预处理的，至于如何预处理，哎，一言难尽…

先占个坑吧，比赛结束再详细讨论呗，希望大家都能取得好成绩。