При этом:

• base.csv - анонимизированный набор товаров. Каждый товар представлен как уникальный id (0-base, 1-base, 2-base) и вектор признаков размерностью 72.
• validation.csv - датасет с товарами (уникальный id и вектор признаков), для которых надо найти наиболее близкие товары из base.csv

Для подбора оптимальных параметров приближенного поиска использовался обучающий датасет target.csv. Каждая строчка - один товар, для которого известен уникальный id (0-query, 1-query, …), вектор признаков и id товара из base.csv, который максимально похож на него (по мнению экспертов).

При решении задачи была использована библиотека для приближённого поиска ближайших соседей FAISS. Продемонстрировано обучение CatBoostClassifier в качестве ранжирующей модели.

Сохранённые индекс и модель позволяют реализовать развёртывание решения в виде микросервиса.

Ссылка на датасет: https://disk.yandex.ru/d/BBEphK0EHSJ5Jw