RuCode7.0 Final. Нормализация адреса

1 место 🥇 (команда mr MISISter)

Описание задачи

Нужно нормализовать адрес, разбив его на отдельные типы адреса (город Москва улиц. Одуванчиковая 6 -> г. Москва, ул. Одуванчиковая д. 6)

Данные

• adddress - ненормализованный адрес
• sourse - источник данных
• остальные колонки - нормализованное представление адреса

Архитектура

С помощью регулярных выражений парсятся префиксы строк трейна, которые подаются в алгоритм ахо-корасика для дальнейшего поиска максимальной подстроки в сыром адресе. Производится обработка для исправления краевых случаев

Результат

Финальная метрика: 0.9999507 f1 score

Пути к данным

• train.py берет файл по пути data/addresses-train.csv и сохраняет модель re_model.pkl
• predict.py берет файл по пути data/addresses-close.csv и подгружает модель re_model.pkl
• https://disk.yandex.ru/d/ec8ZffPRe7q_Zg - ссылка на данные