问答文本合理性鉴别

分享给好友

2019-11-25 12:00:00
开始提交

2020-01-06 20:00:00
最终提交结束

自由训练

专属奖金 ¥ 3000
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

下载当前代码

您可使用自己熟悉的编辑器实现算法并通过命令行
提交任务到FlyAI云端训练。确认下载体验吗?

$vue{upDataType ? '上传样例压缩包' : '上传代码压缩包' }

请将代码文件压缩为zip格式,文件大小不超过10M 提示:请确认删除"data"⽂件夹后进行上传操作

将文件拖拽至此处或点击此处选择文件

$vue{complete < 99 ? '上传中' : '上传完成'} $vue{complete}

$vue{fileName}
线上GPU运行环境:
FlyAl推荐如下配置,如有问题可手动添加或修改!

GPU环境

深度学习框架

其它依赖

提交
提交

提交确认

设置好参数后点击“确定“发布GPU训练任务

EPOCHS

BATCH SIZE

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
  • 赛事介绍
  • 竞赛排行榜
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

本次挑战赛注重评论文本合理性在现实场景中的应用,通过建立高准确率的算法模型实现对问答文本的合理性鉴别分类,提高企业服务效率;

文本分类是自然语言处理中一个很经典也很重要的问题,它的应用很广泛,在很多领域发挥着重要作用,例如过滤、舆情分析等。

参赛须知

参赛时间:2019.11.25 12:00:00-2020.01.06 20:00:00

参赛方式

  • 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。

参赛选手说明

  • FlyAI能⼒值超过2000的⽤户有机会获取参赛资格
  • 在相同类别竞赛中最终⽐赛成绩排名前3名者可申请参加
  • 其他⽤户可向FlyAI申请参赛资格,满⾜⼀定条件者可以获取资格并参赛

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)
冠军专属奖 1人 最终排行榜第1名经FlyAI审核后获得专属个人奖金3,000元
参与奖 所有人 500FAI(Tesla-GPU算力资源 500分钟)

赛事主题和数据说明

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
label int 不为空 分类标签
usr_text string 不为空 文本
ans_comment string 不为空 文本

参考文献:

[1]

评审标准

算法输入输出格式

输入字段: usr_text, ans_comment,

输出字段: label,

评审指标说明

  • 模型性能评估要求:每条数据评估需小于100ms,否则最终模型得分为0分!!
  • 准确率(Accuracy):对于给定的测试数据集,预测正确的样本数与实际总样本数之比
  • True,表示预测正确的样本数数量
  • Total Number of Samples,表示实际总样本数数量
  • 计算公式如下:

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。
超过 95分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

trickornot

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82.84。

2019-12-26 11:10:38

第三名

sakuranew

batch数据为64,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82.83。

2019-11-29 06:33:32

第三名

NLP-Learner

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82.31。

2019-11-28 18:58:24

4

永不息的舞步

batch数据为32,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81.01。

2019-12-11 01:19:48

5

qiufengyuyi

batch数据为16,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80.86。

2019-12-03 20:44:54

6

未名湖畔的落叶

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80.53。

2019-12-05 05:22:25

7

daniellibin

batch数据为32,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79.05。

2019-12-16 13:42:02

8

树泉

batch数据为128,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为78.45。

2020-01-01 00:39:54

9

玻纤消光的三叶虫

batch数据为256,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64.45。

2019-12-30 22:06:10

10

菜菜来了

batch数据为1024,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61.84。

2019-12-04 11:09:42

11

雨中冰言

batch数据为32,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56.24。

2019-12-06 00:11:27

12

chenfengshf

batch数据为64,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0.00。

2019-12-03 22:57:37

讨论
500字
表情
发送
删除确认
是否删除该条评论?
取消 删除
$vue{item.user_name}

$vue{item.title} $vue{item.title}

$vue{items}
$vue{item.like_count}
$vue{item.comment_counts}
$vue{item.comment_counts}
阅读 $vue{item.views}

这里还没有内容哦

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...

  • 参赛流程
  • 常见问题

第一步:参赛选手从FlyAI官网选择比赛报名,需下载样例代码

下载的项目中不包含数据集,运行main.py会自动下载调试数据集

本地调试根据不同数据集会提供10%~100%数据,全量数据提交到GPU后会自动更新替换

下载样例代码,解压后在样例代码上编写自己的模型代码,压缩后再在上传代码位置进行上传,就可以查看自己得分。

第二步:本地代码调试

本地配置Python3.5以上的运行环境,并安装项目运行所需的Python依赖包 app.json是项目的配置文件

在main.py中编写神经网络,没有框架限制

在prediction.py测试模型是否评估成功

main.py中需在class Main(FlyAI) 类中实现自己的训练过程

第三步:提交到GPU训练,保存模型

本地调试完成之后,提交代码到GPU,在全量数据上训练模型,保存最优模型。

提交GPU的方式有:网站在线提交。

第四步:评估模型,获取奖金,实时提现

GPU训练完成后,会调用prediction.py中的predict方法进行评估,并给出最后得分

高分的参赛选手,可实时获取奖金,通过微信提现

Q:如何获得奖金?

A:超过项目设置的最低分,根据公式计算,就可以获得奖金。

Q:比赛使用什么框架?

A: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等。

Q:怎么参加比赛,需不需要提交csv文件?

A:FlyAI竞赛平台无需提交csv文件,在网页上点击报名,下载项目,使用你熟练的框架,修改main.py中的网络结构和数据处理,在prediction.py中进行加载模型及预测。将代码文件压缩为.zip格式,文件大小不超过10M,之后在网站进行在线提交就可以了。

Q:比赛排行榜分数怎么得到的?

A:参加项目竞赛必须实现 prediction.py 中的predict方法。调用模型得出评分。

Q:平台机器什么配置?

A:目前每个训练独占一块V100显卡,显存10G。

Q:本地数据集在哪?

A:可以本地使用ide运行 main.py 下载数据。

Q:FAI训练积分不够用怎么办?

A:目前GPU免费使用,可以进入到:我的积分,通过签到和分享等途径获得大量积分。

Q:离线训练代码不符合规范问题?

A:main.py中可以使用args.EPOCHS和args.BATCH。