中文微博的立场检测

分享给好友

2019-08-02 15:00:00
开始提交

2019-09-01 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 5,000
参赛权限提示

当前赛题需能力值达到 $vue{itemranking} 才可以正常提交训练哦~

当前赛题仅允许 600 能力值以下的新手可以正常提交训练哦~

报名参赛
  • 赛事介绍
  • 竞赛排行榜
  • 奖金记录
  • 讨论($vue{comment_count})

绑定你的微信账号

用于本地环境登录和实时接收训练通知

打开微信,使用扫一扫功能分享给好友

绑定你的微信账号

用于本地环境登录和实时接收训练通知

温馨提示

$vue{csv_msg}

知道了
提交结果文件

$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}

$vue{csvName}上传成功
取消 确认提交

提交成功

系统正在测评您的结果文件,

您可通过右侧【我的提交-查看记录详情】进行查看

知道了

大赛简介

本次立场检测任务旨在自动确定微博作者对某一话题赞成给定topic(FAVOR),反对给定topic(AGAINST),或者两者都不是(NONE)。注意到给定topic可能不在微博文本中。这意味着立场检测不同于传统的目标检测/部分情绪分析。

参赛须知

参赛时间: 本次竞赛无时间限制,长期有效开放

参赛方式

  • 方式一:
  • 在线查看样例根据FlyAI样例模版实现算法并使用云端免费GPU进行模型训练获得最终成绩得分
  • 方式二:
  • 下载FlyAI样例模版进行本地调试并提交到云端使用免费GPU进行模型训练获得最终成绩得分,在本地进行代码调试的教程请查看[文档中心]

参赛选手说明

  • 参赛人员身份信息需保证真实、有效,大赛主办方仅将个人信息用于赛事数据授权及颁奖使用
  • 欢迎海内外的在校学生,算法工程师和所有AI爱好者参与
  • 本次竞赛报名形式:以个人形式本地提交作品线上审核,并且以最终提交算法得分作为唯一有效成绩
  • 在比赛截止日期前,团队中成绩最高分作为本团队的最终成绩
  • 报名成功后请加入FlyAI竞赛交流群,一起学习进步!重要通知也将在群内发布,不要错过哦

比赛作品说明

  • 参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证
  • 不同团队/个人,提交相似结果文件,取消双方所有人员参赛资格
  • 多开小号报名、提交,一经发现将取消参赛资格
  • 禁止使用外部链接下载代码替换本项目代码
  • 比赛过程中,通过脚本获取比赛数据,成绩无效
  • 使用线上测试集进行训练或者使用非官方提供的外部数据进行训练,成绩无效
  • 使用的预训练模型需为FlyAI官方审核通过的模型,使用非官方验证预训练模型,成绩无效
  • 提交的代码具备可解释性并且其它开源框架可复现
  • 所有相似代码将一律不通过审核!!情况多次出现者封号处理
  • 如有发现利用非正常手段作弊行为,奖金一律不发放。之前所获得奖金金额官方有权收回,情节严重者封号处理
  • 提交代码即视为阅读并同意以上比赛作品说明

大赛奖项设置

奖项说明:

奖项设置 获奖人数 奖金额度说明(按最终得分评判)
参与奖(总奖金30%) 所有人 无时间限制;不同得分区间获得相应的竞赛奖金
突破奖(总奖金20%) 所有人 无时间限制;更新排行榜得分,获取相应竞赛奖金
排名奖(总奖金50%) 第一周/月前3名(冠、亚、季军) 项目上线第一周、第一个月; Time_P(周) = 0.5,Time_P(月) = 0.5;K1=0.5,K2=0.3,K3=0.2;
不同框架奖励 所有人 获得60FAI币用于GPU训练资源消耗

赛事主题和数据说明

赛题描述

通过实现算法并提交训练,得分超过基线并通过人工审核后可以实时获取奖金。

数据来源

StenceDet

数据描述

由于需要提交代码作品在云端进行训练,参赛数据集不对外开放。仅提供调试数据,可通过使用本地调试的方式获取调试数据集。本地调试和提交指南请查看[文档中心]

字段说明:

文件名 字段名称 字段类型 备注
ID int 不为空 ID
TARGET string 不为空 topic
TEXT string 不为空 文本内容
STANCE string 不为空 立场分类标签

参考文献:

[1]郑海洋, 高俊波, 邱杰, 焦凤. 基于词向量技术与主题词特征的微博立场检测. 计算机系统应用, 2018, 27(9): 118-123.

[2]周耘立,李珊珊.微博立场检测研究综述.四川大学计算机学院,成都,610065.

[3]白静,李霏,姬东鸿.基于注意力的BiLSTM-CNN中文微博立场检测模型.武汉大学计算机学院,湖北,武汉,430072.

[4]周艳芳,周刚,鹿忠磊.一种基于迁移学习及多表征的微博立场分析方法.数学工程与先进计算国家重点实验室,郑州,450001.

评审标准

算法输入输出格式

输入字段: TARGET, TEXT,

输出字段: STANCE,

评审指标说明

  • 精确率(Precision,简称为P):正确预测为正的占全部预测为正的比例
  • 召回率(Recall,简称为R):正确预测为正的占全部实际为正的比例
  • F1-Score 是精确率和召回率的一种加权平均,它的最大值为1,最小值为0
  • 计算公式如下:
  • 评审计算公式

比赛常见问题说明

Q:比赛使用什么框架?

  • 比赛支持常用的机器学习和深度学习框架,比如TensorFlow,PyTorch,Keras,Scikit-learn、MXNet等。

Q:怎么参加比赛,需不需要提交CSV文件?

  • FlyAI竞赛平台提供免费云端GPU资源,报名后可以使用自己熟练的框架,修改main.py中的网络结构和processor.py中的数据处理;仅部分赛题支持CSV方式提交,请仔细阅读参赛方式相关内容。

Q:比赛排行榜分数怎么得到的?

  • 参加项目竞赛必须实现 model.py 中的predict_all方法。系统通过该方法,调用模型得出评分。

$vue{item.rank_name}

超过 90分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

提供者:树泉

batch数据为32,循环次数为8次,通过在线上环境完成训练,模型最优精度评分为81.66。

2019-11-28 13:14:06

81.66

第三名

提供者:xsevenx

batch数据为16,循环次数为16次,通过在线上环境完成训练,模型最优精度评分为68.21。

2019-12-30 15:22:44

68.21

第三名

提供者:NLP-Learner

batch数据为32,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为67.17。

2019-08-04 18:48:27

67.17

4

提供者:DaBing

batch数据为32,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为67.09。

TensorFlow

BERT+textCNN

2019-11-30 16:32:37

67.09

5

提供者:endinggy

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为66.57。

2019-12-26 17:32:27

66.57

6

提供者:玻纤消光的三叶虫

batch数据为16,循环次数为7次,通过在线上环境完成训练,模型最优精度评分为66.19。

2020-02-05 20:41:25

66.19

7

提供者:Calf

batch数据为4,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为65.54。

2020-08-09 01:11:20

65.54

8

提供者:SHUU

batch数据为16,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为65.10。

2019-11-28 16:06:22

65.10

9

提供者:鸡毛飞上天

batch数据为16,循环次数为6次,通过在线上环境完成训练,模型最优精度评分为63.93。

2020-01-05 11:57:27

63.93

10

提供者:flyai会员1585392774

batch数据为32,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为63.89。

2020-06-23 16:29:09

63.89

11

提供者:麦小杨

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为63.75。

2019-10-11 23:32:36

63.75

12

提供者:killf

batch数据为64,循环次数为40次,通过在线上环境完成训练,模型最优精度评分为63.73。

Paddle

ERNIE

2019-08-05 01:21:14

63.73

13

提供者:乐百事

batch数据为32,循环次数为9次,通过在线上环境完成训练,模型最优精度评分为63.69。

2020-01-09 12:46:14

63.69

14

提供者:朱!倩倩

batch数据为32,循环次数为9次,通过在线上环境完成训练,模型最优精度评分为63.56。

2019-10-28 11:57:15

63.56

15

提供者:梁栩健

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为63.52。

2020-02-11 15:26:39

63.52

16

提供者:Jeremy

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为63.39。

2019-10-15 21:34:48

63.39

17

提供者:凉心半浅良心人

batch数据为32,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为63.38。

2019-08-01 13:59:51

63.38

18

提供者:sakuranew

batch数据为32,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为63.17。

2019-08-01 14:50:18

63.17

19

提供者:Sherlock

batch数据为64,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为63.09。

2020-02-20 23:09:10

63.09

20

提供者:lyzz

batch数据为32,循环次数为8次,通过在线上环境完成训练,模型最优精度评分为62.27。

2020-03-12 17:37:14

62.27

21

提供者:AngelA

batch数据为32,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为61.78。

2020-06-15 01:07:36

61.78

22

提供者:玖月初识

batch数据为32,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为61.08。

2019-08-06 19:38:11

61.08

23

提供者:夏纪柏榭

batch数据为32,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为59.77。

2020-06-15 10:39:09

59.77

24

提供者:chenfengshf

batch数据为32,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为59.68。

paddlepaddle

BERT

2019-12-06 09:49:49

59.68

25

提供者:做自己的唯一

batch数据为64,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为59.65。

2019-10-24 15:25:59

59.65

26

提供者:Oklahoma

batch数据为32,循环次数为18次,通过在线上环境完成训练,模型最优精度评分为58.40。

2019-08-02 16:32:43

58.40

27

提供者:yphacker

batch数据为32,循环次数为8次,通过在线上环境完成训练,模型最优精度评分为58.13。

2019-08-19 15:45:31

58.13

28

提供者:NLP_Rookie

batch数据为32,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为56.84。

2020-03-30 21:58:30

56.84

29

提供者:机器学渣

batch数据为32,循环次数为15次,通过在线上环境完成训练,模型最优精度评分为56.52。

2019-08-02 10:40:28

56.52

30

提供者:flyahu

batch数据为32,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为53.90。

2020-04-06 08:42:28

53.90

31

提供者:释然

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为53.74。

2019-08-12 02:03:53

53.74

32

提供者:AMERICA

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为52.71。

2019-10-07 22:32:14

52.71

33

提供者:会员1568255337

batch数据为32,循环次数为60次,通过在线上环境完成训练,模型最优精度评分为52.25。

2019-09-24 16:32:25

52.25

34

提供者:未名湖畔的落叶

batch数据为32,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为47.98。

torch

BERT

2019-08-03 16:31:58

47.98

35

提供者:cong

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为47.70。

2019-08-23 11:03:35

47.70

36

提供者:‭九件

batch数据为64,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为44.88。

TensorFlow

Gated Transformer

2020-03-19 15:37:24

44.88

37

提供者:chen_tesdt

batch数据为32,循环次数为40次,通过在线上环境完成训练,模型最优精度评分为42.96。

2019-12-29 17:08:56

42.96

38

提供者:wxl

batch数据为64,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为42.40。

2020-01-14 10:04:59

42.40

39

提供者:Ouy_Kai

batch数据为64,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为42.37。

2020-04-22 15:58:48

42.37

40

提供者:nlp-ygq

batch数据为48,循环次数为6次,通过在线上环境完成训练,模型最优精度评分为35.93。

2019-08-01 17:00:28

35.93

41

提供者:菜菜来了

batch数据为1024,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为34.21。

2019-08-01 15:07:32

34.21

42

提供者:迷途小书童

batch数据为64,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为24.49。

2019-09-11 02:41:11

24.49

43

提供者:flyai会员1576049375

batch数据为64,循环次数为15次,通过在线上环境完成训练,模型最优精度评分为22.53。

2019-12-12 12:13:25

22.53

44

提供者:chris_zhang

batch数据为32,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为22.17。

2019-08-02 11:01:14

22.17

45

提供者:flyai会员1575965252

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为22.05。

2019-12-11 12:55:07

22.05

46

提供者:梓泽

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为22.05。

2019-12-11 22:29:30

22.05

47

提供者:cnn

batch数据为32,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为18.93。

2019-08-01 10:55:21

18.93

48

提供者:AiFool

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为18.93。

2019-08-24 09:19:48

18.93

49

提供者:一叶

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为18.93。

2019-11-26 09:40:35

18.93

50

提供者:xiamaozi11

batch数据为30,循环次数为3次,通过在线上环境完成训练,模型最优精度评分为18.76。

2019-08-02 12:11:12

18.76

51

提供者:北部湾的落日

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为18.76。

2019-08-03 22:44:16

18.76

52

提供者:小数定理

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为18.76。

2019-08-26 18:00:32

18.76

53

提供者:emmm我还没想好

batch数据为1,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为18.76。

2019-11-06 09:57:28

18.76

54

提供者:样例代码

batch数据为64,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为18.76。

2019-11-20 12:51:24

18.76

55

提供者:Hurry.

batch数据为64,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为18.76。

2019-11-20 14:42:01

18.76

56

提供者:夏拓草

batch数据为64,循环次数为60次,通过在线上环境完成训练,模型最优精度评分为18.76。

2019-11-26 10:35:26

18.76

57

提供者:夏1564457098

batch数据为16,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为11.65。

2019-11-02 19:01:46

11.65

58

提供者:弱鸡瑟瑟发抖

batch数据为64,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为7.40。

2020-01-23 17:47:22

7.40

还没有奖金记录哦~ 快去参赛吧!

讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除

挑战者大赛 官方交流群

我的记录

你还没有任何提交记录喔...

使用指南

  • windows客户端
  • windows命令行
  • Mac/Linux

1.进入代码编辑页下载当前代码

2.本地解压缩代码包文件,双击执行 flyai.exe 程序

第一次使用需要使用微信扫码登录 杀毒软件可能会误报,点击信任该程序即可

3.开启 FlyAI-Jupyter 代码调试环境

运行flyai.exe程序,点击"使用jupyter调试"按钮自动打开jupyter lab 操作界面

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

4.下载本地测试数据

运行flyai.exe程序,点击"下载数据"按钮,程序会下载100条调试数据

5.提交训练到GPU

运行flyai.exe程序,点击"提交GPU训练"按钮,代码将自动提交到云端GPU进行训练

返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.打开运行,输入cmd,打开终端

Win+R 输入 cmd

3.使用终端进入到项目的根目录下

cd path\to\project

4.开启 FlyAI-Jupyter 代码调试环境

在终端执行命令 flyai.exe ide 打开调试环境(第一次使用需要使用微信扫码登录)

操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !flyai.exe train 将代码提交到云端GPU免费训练

返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

flyai.exe path=xxx 可以设置自己的Python路径

flyai.exe path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.使用终端进入到项目的根目录下

cd path\to\project

3.初始化环境登录

使用如下命令授权 flyai 脚本: chmod +x ./flyai

4.开启 Jupyter 代码调试环境

在终端执行命令 ./flyai ide 打开调试环境(第一次使用需要使用微信扫码登录) 操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

或使用终端

执行下列命令本地安装环境并调试

./flyai test 注意:如果出现 permission denied 错误,需使用sudo运行

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

执行test命令,会自动下载100条测试数据到项目下

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !./flyai train 将代码提交到云端GPU免费训练 返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

或者在终端下使用 ./flyai train -b=32 -e=10

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

./flyai path=xxx 可以设置自己的Python路径

./flyai path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心