- 赛事介绍
- 竞赛排行榜
- 自由练习榜单
- 讨论($vue{comment_count})
- 学习资源
大赛简介
此数据集包含25000多条推文内容。仇恨言论识别任务:查看短文,并确定它是否为 0(包含仇恨言论),1(冒犯性的,但没有仇恨言论),2(一点也没有冒犯性)。
赛事主题和数据说明
赛题描述
通过实现算法并提交训练,获取奖金池奖金。小提示:抢先更新算法排行榜,有更大机会获取高额奖金哦!
数据来源
HOLDistinguish
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。
字段说明:
文件名 |
字段名称 |
字段类型 |
备注 |
text |
string |
不为空 |
文本 |
label |
int |
大于等于 0, 小于等于 2 |
分类标签 |
参考文献:
[1]Racial Bias in Hate Speech and Abusive Language Detection Datasets
评审标准
算法输入输出格式
输入字段:
text,
输出字段:
label,
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:
超过 90分 的成绩会在48小时内更新到排行榜,不要着急哦!
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92.45。
batch数据为500,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92.40。
batch数据为32,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92.34。
4
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92.17。
5
batch数据为32,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92.11。
6
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92.09。
7
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92.06。
8
batch数据为128,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91.49。
9
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91.21。
10
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91.07。
11
batch数据为128,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90.68。
12
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90.64。
13
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90.51。
14
batch数据为32,循环次数为4次,通过在线上环境完成训练,模型最优精度评分为90.45。
15
batch数据为64,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90.45。
16
batch数据为64,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90.35。
17
batch数据为32,循环次数为800次,通过在线上环境完成训练,模型最优精度评分为90.17。
18
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89.96。
19
batch数据为128,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89.76。
20
batch数据为64,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89.76。
21
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89.71。
22
batch数据为5,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为89.53。
23
batch数据为128,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89.53。
24
batch数据为100,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89.37。
25
batch数据为1000,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89.30。
26
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89.22。
27
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89.13。
28
batch数据为128,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89.11。
29
batch数据为256,循环次数为1340次,通过在线上环境完成训练,模型最优精度评分为89.07。
30
batch数据为500,循环次数为64次,通过在线上环境完成训练,模型最优精度评分为88.92。
31
batch数据为500,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88.82。
32
batch数据为10,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88.78。
33
batch数据为500,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88.73。
34
batch数据为512,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88.73。
35
batch数据为500,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88.68。
36
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88.66。
37
batch数据为500,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88.63。
38
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88.46。
39
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88.32。
40
batch数据为32,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为88.29。
41
batch数据为500,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88.16。
42
batch数据为500,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88.08。
43
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88.06。
44
batch数据为100,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87.99。
45
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87.96。
46
batch数据为64,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为87.93。
47
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87.91。
48
batch数据为1000,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87.84。
49
batch数据为128,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87.82。
50
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87.81。
51
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87.79。
52
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87.75。
53
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87.70。
54
batch数据为500,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87.42。
55
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87.29。
56
batch数据为500,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87.27。
57
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87.26。
58
batch数据为128,循环次数为64次,通过在线上环境完成训练,模型最优精度评分为87.10。
59
batch数据为256,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为86.67。
60
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86.67。
61
batch数据为500,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86.21。
62
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86.07。
63
batch数据为32,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为85.49。
64
batch数据为500,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84.90。
65
batch数据为500,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84.86。
66
batch数据为32,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为84.56。
67
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79.90。
68
batch数据为32,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为68.44。
弱鸡瑟瑟发抖
2020-01-19 00:16:47
2020-01-19 00:16:47
91.17
infinite
2019-12-30 14:26:41
2019-12-30 14:26:41
90.95
对方正在输入
2019-11-17 15:53:24
2019-11-17 15:53:24
90.31
4
AMERICA
2019-10-07 20:33:19
2019-10-07 20:33:19
89.82
5
天才一小本
2019-12-08 18:15:30
2019-12-08 18:15:30
89.24
6
红但丁
2019-10-07 19:58:46
2019-10-07 19:58:46
89.12
7
土豆土豆大土豆
2019-10-09 11:47:07
2019-10-09 11:47:07
89.12
8
Jeremy
2019-10-09 22:30:35
2019-10-09 22:30:35
89.12
9
徐文强
2019-10-15 21:48:35
2019-10-15 21:48:35
89.12
10
秦殇
2019-10-18 14:48:34
2019-10-18 14:48:34
89.12
11
cracked2
2019-10-31 14:03:35
2019-10-31 14:03:35
89.12
12
starlitskyly
2019-11-04 23:26:38
2019-11-04 23:26:38
89.12
13
帅蛋帅帅
2019-11-15 11:16:57
2019-11-15 11:16:57
89.12
14
Jave
2019-11-17 19:42:23
2019-11-17 19:42:23
89.12
15
0.0呔!
2019-11-18 10:48:54
2019-11-18 10:48:54
89.12
16
abc1574928501
2019-11-28 16:32:11
2019-11-28 16:32:11
89.12
17
wy1572255365
2019-12-01 23:45:50
2019-12-01 23:45:50
89.12
18
+ +
2019-12-05 14:14:20
2019-12-05 14:14:20
89.12
19
会员1571973877
2020-02-22 09:00:43
2020-02-22 09:00:43
89.12
20
阿华田不如阿华甜
2020-03-18 14:03:45
2020-03-18 14:03:45
89.12
21
五岳风@2016
2020-04-16 21:30:04
2020-04-16 21:30:04
89.12
22
高峰
2020-08-21 11:06:55
2020-08-21 11:06:55
89.12
23
曾逸信
2021-09-20 18:24:02
2021-09-20 18:24:02
89.12
24
flyai会员1641450783
2022-01-07 08:12:11
2022-01-07 08:12:11
89.12
25
小瑜.R
2019-11-14 19:49:14
2019-11-14 19:49:14
87.32