搜狗新闻文本分类预测

分享给好友

2019-01-25 15:00:00
开始提交

2019-02-24 15:00:00
最终提交结束

自由训练

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

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
  • 自由练习榜单
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

该数据集来自若干新闻站点2012年6月—7月期间国内,国际,体育,社会,娱乐等18个频道的新闻数据。根据新闻正文内容分析新闻的类别

赛事主题和数据说明

赛题描述

通过迭代自己的算法模型并提交训练,获取奖金池高额奖金。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

sogouNews

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
text string 不为空 文章内容
label string 不为空 文章类型

参考文献:

[1]Automatic Online News Issue Construction in Web Environment. Canhui Wang, Min Zhang, Shaoping ma, Liyun Ru, the 17th International World Wide Web Conference (WWW08), Beijing, April, 2008.

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

  • 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:
超过 85分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

cclxx

大神经验
batch数据为128,循环次数为2500次,通过在线上环境完成训练,模型最优精度评分为94.80。

2019-04-10 10:54:12

415.00

大神经验
第三名

云中漫步的云彩

大神经验
batch数据为256,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为94.10。

2019-04-21 16:08:13

大神经验
第三名

BrikerMan

大神经验
batch数据为320,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为93.45。

2019-04-23 12:49:13

大神经验
4

大神经验
batch数据为256,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为93.25。

2019-04-12 20:00:54

大神经验
5

菜菜来了

大神经验
batch数据为256,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为93.25。

2019-04-18 17:05:39

大神经验
6

Keaton

大神经验
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93.05。

2019-08-01 17:14:30

大神经验
7

lbj

大神经验
batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为92.30。

2019-04-02 12:40:33

10.00

大神经验
8

麦小杨

大神经验
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92.20。

2019-06-11 09:59:52

大神经验
9

NLP-Learner

暂未公开
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92.15。

2019-05-16 16:11:42

暂未公开
10

大神经验
batch数据为128,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为91.95。

2019-05-23 11:53:58

大神经验
11

Z

暂未公开
batch数据为256,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为91.65。

2019-05-26 10:57:52

暂未公开
12

Staples

暂未公开
batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为91.20。

2019-04-02 13:11:27

暂未公开
13

alex_jiang

暂未公开
batch数据为256,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为91.10。

2019-04-02 16:33:45

10.00

暂未公开
14

Lavender

暂未公开
batch数据为256,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为91.10。

2019-06-23 18:59:51

暂未公开
15

yunqixu1554192835

暂未公开
batch数据为128,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为90.85。

Keras

CNN+LSTM

2019-04-09 17:12:14

暂未公开
16

梅三哥的柯基

暂未公开
batch数据为128,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为90.70。

2019-05-23 17:00:50

暂未公开
17

致Great

暂未公开
batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为90.65。

2019-04-10 01:00:59

暂未公开
18

Hallo

暂未公开
batch数据为256,循环次数为3333次,通过在线上环境完成训练,模型最优精度评分为90.50。

2019-03-20 16:49:44

164.00

暂未公开
19

as472780551

暂未公开
batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为90.50。

2019-05-19 09:41:45

暂未公开
20

horson

暂未公开
batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为90.45。

2019-04-15 14:56:02

暂未公开
21

Neptune

暂未公开
batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为90.30。

2019-04-27 12:38:36

暂未公开
22

军军无敌

暂未公开
batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为90.15。

2019-04-03 10:24:38

暂未公开
23

FC

暂未公开
batch数据为256,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为90.15。

2019-04-14 23:51:04

暂未公开
24

lightning-zgc

暂未公开
batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为90.10。

2019-04-04 18:34:27

暂未公开
25

Jtay2019

暂未公开
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90.10。

2019-05-14 07:58:18

暂未公开
26

虹猫少侠

暂未公开
batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为89.75。

2019-04-05 23:50:41

暂未公开
27

Sky*maple

暂未公开
batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为89.70。

2019-06-01 20:57:03

暂未公开
28

rust

暂未公开
batch数据为256,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89.55。

2019-04-04 14:32:21

暂未公开
29

Frodo_X

暂未公开
batch数据为128,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为89.55。

2019-05-11 22:01:01

暂未公开
30

慕先

暂未公开
batch数据为200,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为89.55。

2019-07-28 22:35:25

暂未公开
31

晓风残月丶

暂未公开
batch数据为256,循环次数为2500次,通过在线上环境完成训练,模型最优精度评分为89.45。

2019-05-05 15:30:51

暂未公开
32

Gavin

暂未公开
batch数据为128,循环次数为8000次,通过在线上环境完成训练,模型最优精度评分为89.35。

2019-03-29 19:50:31

10.00

暂未公开
33

浮生若梦

暂未公开
batch数据为32,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为89.30。

2019-04-28 03:16:49

暂未公开
34

david-dzt

暂未公开
batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为89.25。

2019-04-07 19:49:09

暂未公开
35

To Be Strong

暂未公开
batch数据为128,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为89.20。

2019-05-10 18:02:11

暂未公开
36

LzM_

暂未公开
batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为89.10。

2019-03-21 01:32:11

10.00

暂未公开
37

李佳政Rengar

暂未公开
batch数据为128,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为88.95。

2019-04-03 14:15:24

暂未公开
38

zhiduanqingchang

暂未公开
batch数据为128,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为88.95。

2019-04-08 00:04:19

暂未公开
39

ttttaeyang

暂未公开
batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为88.95。

2019-05-20 16:40:17

暂未公开
40

低调菜

暂未公开
batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为88.80。

2019-04-08 18:50:43

暂未公开
41

藏锋1558175243

暂未公开
batch数据为512,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为88.75。

2019-05-19 02:31:56

暂未公开
42

江月

暂未公开
batch数据为128,循环次数为2500次,通过在线上环境完成训练,模型最优精度评分为88.50。

2019-05-22 13:39:45

暂未公开
43

梯度下降

暂未公开
batch数据为256,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为88.40。

2019-03-19 16:42:24

746.00

暂未公开
44

Anthonyจุ๊บ

暂未公开
batch数据为1024,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为88.20。

2019-06-27 15:45:14

暂未公开
45

Elliott

暂未公开
batch数据为64,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为88.15。

2019-05-18 23:43:49

10.00

暂未公开
46

刘谕齐

暂未公开
batch数据为256,循环次数为1500次,通过在线上环境完成训练,模型最优精度评分为88.10。

2019-03-31 10:02:55

10.00

暂未公开
47

凌空

暂未公开
batch数据为128,循环次数为2500次,通过在线上环境完成训练,模型最优精度评分为88.05。

2019-05-04 22:24:03

暂未公开
48

筱潇妍

暂未公开
batch数据为2000,循环次数为256次,通过在线上环境完成训练,模型最优精度评分为88.05。

2019-08-04 13:26:50

暂未公开
49

善假于物

暂未公开
batch数据为512,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为87.35。

2019-04-07 17:24:02

暂未公开
50

k一起旅行

暂未公开
batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为87.20。

2019-04-02 18:35:49

暂未公开
51

灵翼侠

暂未公开
batch数据为32,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86.35。

2019-07-01 00:39:25

暂未公开
52

为之奈何

暂未公开
batch数据为1024,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为82.15。

2019-07-04 14:41:28

暂未公开
53

fatty

暂未公开
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78.35。

2019-04-03 18:52:37

暂未公开
54

sixgod

暂未公开
batch数据为256,循环次数为2019次,通过在线上环境完成训练,模型最优精度评分为77.75。

2019-05-20 17:16:20

暂未公开
55

AiFool

暂未公开
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77.70。

2019-06-21 17:34:45

暂未公开
56

渐行渐远

暂未公开
batch数据为256,循环次数为1500次,通过在线上环境完成训练,模型最优精度评分为63.55。

2019-04-02 15:06:19

暂未公开
57

x1554808904

暂未公开
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63.15。

2019-04-09 23:50:24

暂未公开
58

亚豪

暂未公开
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55.55。

2019-05-24 00:48:54

暂未公开
59

杰森

暂未公开
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37.70。

2019-04-15 10:53:48

暂未公开
60

葫芦枚

暂未公开
batch数据为128,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25.35。

2019-06-16 17:20:24

暂未公开
61

普六茹那罗延

暂未公开
batch数据为32,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为23.60。

2019-05-26 14:21:32

暂未公开
62

就是很任性

暂未公开
batch数据为1000,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22.80。

2019-04-17 05:48:42

暂未公开
63

WillGO!

暂未公开
batch数据为128,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15.45。

2019-04-30 18:09:35

暂未公开
第一名
wmqian 2020-03-17 12:38:21
2020-03-17 12:38:21
92.25
第二名
弱鸡瑟瑟发抖 2020-01-18 10:41:26
2020-01-18 10:41:26
91.7
第三名
Outdo ོ 2019-11-17 14:55:45
2019-11-17 14:55:45
91.2
4
亓麟 2020-03-21 15:21:09
2020-03-21 15:21:09
90.95
5
feng 2019-11-14 15:36:22
2019-11-14 15:36:22
89.65
6
χ 2019-08-05 22:05:18
2019-08-05 22:05:18
88.82
7
michael... 2019-08-08 16:41:49
2019-08-08 16:41:49
88.82
8
路通 2019-11-22 10:48:14
2019-11-22 10:48:14
85.3
9
永不息的舞步 2019-08-17 05:39:17
2019-08-17 05:39:17
84.4
10
小数定理 2019-08-18 10:28:45
2019-08-18 10:28:45
84.4
11
为我 2019-08-20 23:21:08
2019-08-20 23:21:08
84.4
12
勾陈一 2019-09-02 23:26:43
2019-09-02 23:26:43
84.4
13
宏峰 2019-09-06 09:24:06
2019-09-06 09:24:06
84.4
14
丅丄 2019-09-06 10:28:39
2019-09-06 10:28:39
84.4
15
2019-09-08 08:56:46
2019-09-08 08:56:46
84.4
16
成廿八吋大髀 2019-09-10 09:57:56
2019-09-10 09:57:56
84.4
17
小明1562660031 2019-09-10 16:00:44
2019-09-10 16:00:44
84.4
18
Lllhb 2019-09-18 23:58:34
2019-09-18 23:58:34
84.4
19
胡坤伦 2019-09-29 17:27:40
2019-09-29 17:27:40
84.4
20
路飞1568872150 2019-09-30 10:22:05
2019-09-30 10:22:05
84.4
21
Julius 2019-09-30 15:09:48
2019-09-30 15:09:48
84.4
22
jsong 2019-10-18 21:34:27
2019-10-18 21:34:27
84.4
23
jkx、 2019-10-20 11:44:34
2019-10-20 11:44:34
84.4
24
彩虹小猪狗 2019-11-04 14:48:11
2019-11-04 14:48:11
84.4
25
小sun 2019-11-08 14:42:51
2019-11-08 14:42:51
84.4
26
Kenshin 2019-11-12 20:14:50
2019-11-12 20:14:50
84.4
27
qianrong0709 2019-11-12 21:18:40
2019-11-12 21:18:40
84.4
28
fming 2019-11-13 19:14:16
2019-11-13 19:14:16
84.4
29
xuexiongfei 2019-11-14 09:45:51
2019-11-14 09:45:51
84.4
30
TAKA1573698402 2019-11-14 11:18:10
2019-11-14 11:18:10
84.4
31
Sonder 2019-11-14 18:08:11
2019-11-14 18:08:11
84.4
32
YanL 2019-11-14 19:07:57
2019-11-14 19:07:57
84.4
33
Do it 2019-11-15 16:14:06
2019-11-15 16:14:06
84.4
34
DETA 2019-11-16 21:23:46
2019-11-16 21:23:46
84.4
35
Sun 2019-11-17 19:58:44
2019-11-17 19:58:44
84.4
36
TaihuiWu 2019-11-17 20:52:10
2019-11-17 20:52:10
84.4
37
Longines 2019-11-18 17:18:13
2019-11-18 17:18:13
84.4
38
练字不能停 2019-11-20 12:28:13
2019-11-20 12:28:13
84.4
39
Ivan1009 2019-11-20 14:19:19
2019-11-20 14:19:19
84.4
40
柠檬味de星星 2019-11-20 14:20:49
2019-11-20 14:20:49
84.4
41
逸毅懿熠 2019-11-20 17:19:32
2019-11-20 17:19:32
84.4
42
入我梦来 2019-11-21 08:59:58
2019-11-21 08:59:58
84.4
43
宋江涛 2019-11-25 19:54:29
2019-11-25 19:54:29
84.4
44
ivyya 2019-11-29 15:40:41
2019-11-29 15:40:41
84.4
45
夏云致 2019-12-12 20:38:33
2019-12-12 20:38:33
84.4
46
瘋子 2019-12-13 13:38:47
2019-12-13 13:38:47
84.4
47
Woz 2019-12-13 17:21:04
2019-12-13 17:21:04
84.4
48
一只叫皮卡丘的松鼠1576763500 2019-12-19 21:56:51
2019-12-19 21:56:51
84.4
49
一只叫皮卡丘的松鼠 2019-12-19 23:08:25
2019-12-19 23:08:25
84.4
50
陈昊冉 2020-01-07 19:01:43
2020-01-07 19:01:43
84.4
51
快乐+佳 2020-01-09 10:46:00
2020-01-09 10:46:00
84.4
52
景诗文 2020-01-19 14:52:20
2020-01-19 14:52:20
84.4
53
春暖花开1574898851 2020-02-07 14:05:18
2020-02-07 14:05:18
84.4
54
mingming 2020-02-21 17:35:09
2020-02-21 17:35:09
84.4
55
little 2020-03-04 08:21:06
2020-03-04 08:21:06
84.4
56
朽木白菜 2020-03-05 16:46:03
2020-03-05 16:46:03
84.4
57
Flipped1585133023 2020-03-27 23:13:41
2020-03-27 23:13:41
84.4
58
14718061095 2020-04-16 11:10:11
2020-04-16 11:10:11
84.4
59
王思琪kiki 2020-04-16 19:27:04
2020-04-16 19:27:04
84.4
60
脸红的思春期 2020-05-11 20:00:24
2020-05-11 20:00:24
84.4
61
往事随风 2020-05-25 09:29:36
2020-05-25 09:29:36
84.4
62
赤兔 2020-06-11 14:52:24
2020-06-11 14:52:24
84.4
63
flyai会员1603615515 2020-10-25 16:52:48
2020-10-25 16:52:48
84.4
64
浑水摸的渔夫 2020-11-10 10:27:52
2020-11-10 10:27:52
84.4
65
新城少年 2020-12-23 17:16:39
2020-12-23 17:16:39
84.4
66
KAIJING 2021-03-11 14:35:56
2021-03-11 14:35:56
84.4
67
flyai会员1612086338 2021-05-27 15:50:54
2021-05-27 15:50:54
84.4
68
恐怖jone 2021-06-17 17:27:23
2021-06-17 17:27:23
84.4
69
风 从南到北 2021-06-18 17:23:56
2021-06-18 17:23:56
84.4
70
陈坤峰 2019-08-22 21:39:45
2019-08-22 21:39:45
40.55
71
abbott_wj 2019-09-04 21:13:25
2019-09-04 21:13:25
35.45
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
$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...

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