[LB: 0.563549] doi_cites+versions特徴量でLightGBM

https://prob.space/competitions/citation_prediction/discussions/szdr-Post03b9586ec09ee194e133 の続きです。

doi_citesに加えて、versions列から以下の特徴量を生成しLightGBMで学習しました。

• 論文が投稿された時刻(unixtime)
• 論文が最後に更新された時刻(unixtime)
• 最後の更新と投稿された時刻の差分
• 論文が何回更新されたか

def preprocess(input_df):
    output_df = input_df.copy()

    output_df["first_created_unixtime"] = pd.to_datetime(input_df.versions.apply(lambda p: p[0]["created"])).astype(int) / 1e9
    output_df["last_created_unixtime"] = pd.to_datetime(input_df.versions.apply(lambda p: p[-1]["created"])).astype(int) / 1e9
    output_df["diff_created_unixtime"] = output_df["last_created_unixtime"] - output_df["first_created_unixtime"]
    output_df["num_created"] = input_df.versions.apply(lambda p: len(p))

    return output_df

5-fold importance