$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}
$vue{csvName}上传成功
取消
确认提交
- 赛事介绍
- 竞赛排行榜
- 讨论($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！
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
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
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
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
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
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
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
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
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
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
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
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
删除确认
是否删除该条评论？
取消
删除
这里还没有内容哦