Данные чеков ОФД содержат детальную информацию о тратах клиентов. Они помогают улучшать качество моделей кредитного скоринга и склонности к банковским продуктам, а также улучшать пользовательский опыт за счет структуризации трат клиентов в мобильном приложении. Однако работа с этим источником затрудняется его неструктурированностью: вся информация о купленном товаре лежит в одной строке произвольного формата.
В предположении что каждая чековая позиция описывает какой-либо товар, наименование этого товара, а также его бренд, являются главной информацией, которую можно извлечь из чека. По итогу задача структуризации этих данных ограничивается выделением и нормализацией1 брендов и товаров.
Участникам соревнования предоставляются два датасета с чековыми позициями, размеченный и неразмеченный:
- в размеченном датасете для каждой чековой позиции указаны нормализованные бренды и товары входящие в нее в исходном виде.
- в неразмеченном датасете даны только сами чековые позиции.
Для запуска бейзлана необходимо положить оба этих датасета, а также тестовый датасет в текущую папку.
- requirements.txt - необходимые пакеты (рекомендуемая версия Python - 3.10)
- train_fasttext.ipynb - ноутбук для обучения FastText
- baseline.ipynb - ноутбук с бейзлайном