【第十三届“泰迪杯”数据挖掘挑战赛】【2025泰迪杯】【论文篇+改进】A题解题全流程（持续更新）

【第十三届“泰迪杯”数据挖掘挑战赛】【2025泰迪杯】【论文篇+改进】A题解题全流程（持续更新）

写在前面：

1. 我是一个人，没有团队，所以出的比较慢，每年只做一次赛题，泰迪杯，我会认真对待，尽量做到创新、质量有保证，包售后。
2. 本节主要是论文更新，同步会出论文的创新点编写、改写、论文每个章节修改建议，变相降重指导，（以word批注的方式写在章节旁边）。
3. A题说难也难，说不难也不难；我也看到过相关的其他人的，（例如数模团队、bi站）但如果只是用传统的方法PDF属性去解题，那没有什么创新，只是为了解题而做题，至于像论文重复率计算还使用tf-idf这种古老的句子相似度算法拿来做论文超长文本，PDF属性+re正则匹配来获取信息，有点…。。。。 赛题都提示你要用AI大模型了。

获取链接

请移步CSDN社区

接下来进度：

一、改进代码：

• 根据同学硬件条件可能不满足情况，修改代码的大模型部分，改为免费API调用，不用本地部署使用大模型
• 优化代码，将改换版面分析模型+视觉大模型进行论文信息重新提取，问题一尽量减少大模型的模糊使用，利用准确的版面分析提取出论文信息，（例如目录不用大模型识别，版面分析加入目录的检测标签）
• 问题三的图片与公式雷同，可能去掉繁琐的clip导出特征，替换深度学习网络提取图片特征即可，因为都是一个原理，clip更偏向于图文检索，图图检索只是可以满足。

二、至于C题：

• 高估了自己空闲情况，白天要上班加班，所以C题就不出论文了，我抓紧在正式比赛前做完代码部分
• 届时会低价出c题的代码包与结果。并且同步更新正式比赛
• c题包括数据结果化预处理、langchian-chatchat复现教程、配置环境镜像分享（基于服务器就可以直接运行，找我分享服务器镜像，不用再配置环境了）、问题二三解决代码

论文展示：

论文结构清晰，按照历届泰迪杯特等奖论文结构写作。2w字。并会包含完善论文改进、降重、个性化写作避免重复的批注建议在旁边。

正式比赛时也会同步更新至售后群

A题全家桶获取：

CSDN社区

全家桶包含：

A题代码+结果单品一获取：

CSDN社区

往届泰迪杯情况：