用户商场评价情感分析

分享给好友

2019-09-30 15:00:00
开始提交

2019-10-30 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 1,000
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

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
  • 奖金记录
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

此数据集涵盖了24 万家餐馆,54 万用户,440 万条评论/评分数据。每条数据包含用户对餐馆的四个维度的评分(总体,环境,口味,服务),评分为从1到5的整数。该数据集适合做推荐系统、情感/观点/评论 倾向性分析

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

  • 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

  • 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20%) 所有人 根据基线得分与100分之间,分成5个奖金区间;不同得分区间获得相应的竞赛奖金。
突破奖(总奖金10%) 所有人 更新排行榜最高分数,获得相应的竞赛奖金
排名奖(总奖金70%) 月赛前5名 奖金发放最终以月为单位,前5名获奖占比以K系数表示,分别为:0.45,0.25,0.15,0.1,0.05
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

数据来源

MallRatings

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
userId int 不为空 用户id
restId int 不为空 引用的id
rating int 大于等于 0, 小于等于 5 总体评分
rating_env int 大于等于 1, 小于等于 5 环境评分
rating_flavor int 大于等于 1, 小于等于 5 口味评分
rating_service int 大于等于 1, 小于等于 5 服务评分
timestamp int 不为空 评分时间戳
comment string 不为空 评论内容

参考文献:

[1]https://github.com/SophonPlus/ChineseNlpCorpus

评审标准

算法输入输出格式

输入字段: comment,

输出字段: rating,

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:

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

ChangeBio

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46.65。

2019-05-05 10:54:57

46.65

第三名

‭九件

batch数据为128,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41.83。

2020-03-27 23:46:35

41.83

第三名

探索之路

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41.25。

2019-05-22 21:24:27

41.25

4

云中漫步的云彩

batch数据为32,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37.70。

2019-05-11 15:23:04

37.70

5

凉心半浅良心人

batch数据为80,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37.65。

2019-06-15 21:37:21

37.65

6

叫我培基就好了

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34.76。

2019-04-22 09:50:16

34.76

7

小瑜.R

batch数据为512,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33.48。

2019-11-22 22:21:18

33.48

8

紫湘醉

batch数据为512,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33.14。

2019-09-11 20:24:41

33.14

9

年少无为!

batch数据为1024,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26.36。

2020-03-01 23:39:19

26.36

10

Frank1554103461

batch数据为32,循环次数为150次,通过在线上环境完成训练,模型最优精度评分为25.58。

2019-04-15 17:56:24

25.58

11

LzM_

batch数据为64,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25.58。

2019-04-19 15:01:55

25.58

12

gboy

batch数据为1024,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25.58。

2019-06-04 16:42:03

25.58

13

明明就

batch数据为16,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25.58。

2019-10-17 21:45:13

25.58

14

菜菜来了

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25.57。

2019-04-25 13:41:52

25.57

15

zhiduanqingchang

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23.65。

2019-05-02 06:40:03

23.65

16

he

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8.09。

2019-04-24 16:11:29

8.09

17

Jtay2019

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6.60。

2019-05-07 23:32:38

6.60

18

learnFromBest

batch数据为256,循环次数为12次,通过在线上环境完成训练,模型最优精度评分为6.41。

2019-07-14 12:00:16

6.41

19

AI小白

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6.40。

2019-05-17 13:22:01

6.40

20

batch数据为32,循环次数为160次,通过在线上环境完成训练,模型最优精度评分为6.13。

2019-06-12 19:35:22

6.13

21

sakuranew

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5.29。

2019-05-31 16:32:00

5.29

22

君植泽

通过在线上环境完成训练,模型最优精度评分为4.60。

2019-08-05 14:12:52

4.60

23

Axhy

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4.60。

2019-08-30 21:07:26

4.60

24

danyue

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4.60。

2019-09-04 11:36:45

4.60

25

idleuncle

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4.60。

2019-09-18 12:42:58

4.60

26

cnn

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4.60。

2019-10-08 16:46:33

4.60

27

Jeremy

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4.60。

2019-10-13 18:09:10

4.60

28

The simpler

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4.60。

2019-10-14 22:57:02

4.60

29

宁1571715639

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4.60。

2019-10-22 11:43:54

4.60

30

OnMoon

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4.60。

2019-10-23 10:32:39

4.60

31

鸿鸣武

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4.60。

2019-10-28 15:24:18

4.60

32

持久战

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4.60。

2019-10-30 17:15:05

4.60

33

阿尔贾克斯

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4.60。

2019-11-01 15:10:20

4.60

34

jz

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4.60。

2019-11-05 15:18:12

4.60

35

lyzz

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4.60。

2019-11-07 20:19:32

4.60

36

mjz1996

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4.60。

2019-11-09 20:58:18

4.60

37

sishiwu

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4.60。

2019-11-12 19:02:41

4.60

38

sssjjr

batch数据为32,循环次数为300次,通过在线上环境完成训练,模型最优精度评分为4.60。

2019-11-16 19:41:01

4.60

39

zengjunjie1026

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4.60。

2019-11-20 14:56:41

4.60

40

Mr.Zhang

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4.60。

2019-11-25 08:55:53

4.60

41

哭过の眼眸*

batch数据为3000,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4.60。

2019-11-25 11:12:56

4.60

42

树泉

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4.60。

2019-11-25 23:16:16

4.60

43

二百斤的肥宅

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4.60。

2019-11-26 10:32:23

4.60

44

abc1574928501

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4.60。

2019-11-28 16:14:22

4.60

45

ai1575436938

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4.60。

2019-12-04 13:26:06

4.60

46

Sean1575972716

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4.60。

2019-12-10 18:14:07

4.60

47

trierbo

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4.60。

2019-12-10 20:45:11

4.60

48

凌霄@文强

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4.60。

2019-12-14 10:07:49

4.60

49

flyai会员1576458777

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4.60。

2019-12-16 09:14:34

4.60

50

中间偏左

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4.60。

2019-12-23 15:28:45

4.60

51

kaevonZhu

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4.60。

2019-12-26 11:43:53

4.60

52

flyai会员1577688705

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4.60。

2019-12-30 16:48:42

4.60

53

duke

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4.60。

2020-01-04 15:18:07

4.60

54

Sherlock.Liang

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4.60。

2020-02-04 18:17:11

4.60

55

弱鸡瑟瑟发抖

batch数据为5000,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4.60。

2020-02-05 16:43:06

4.60

56

汤包岂是盘中物

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4.60。

2020-02-05 17:16:39

4.60

57

会员1582369805

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4.60。

2020-02-23 23:04:55

4.60

58

Next Legend!

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4.60。

2020-03-05 20:35:15

4.60

59

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4.60。

2020-03-07 12:54:21

4.60

60

许盼~star

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4.60。

2020-03-15 14:43:47

4.60

61

heihei

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4.60。

2020-03-18 12:30:58

4.60

62

Shadow

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4.60。

2020-03-31 22:33:15

4.60

63

wmqian

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4.60。

2020-04-02 21:50:44

4.60

64

QWERY

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4.60。

2020-04-18 12:12:19

4.60

65

Keith

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4.60。

2020-05-05 19:43:58

4.60

66

萧萧易水

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4.60。

2020-05-20 17:22:59

4.60

67

flyai会员1590311714

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4.60。

2020-06-09 19:48:17

4.60

68

小宋同志

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4.60。

2020-06-16 16:28:41

4.60

69

突突突

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4.60。

2020-06-18 10:47:41

4.60

70

先声

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4.60。

2020-06-21 09:53:02

4.60

71

Elite

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4.60。

2020-06-30 14:17:45

4.60

72

flyai会员1587562812

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4.60。

2020-07-18 21:36:14

4.60

73

张亚男42013

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4.60。

2020-09-22 16:36:57

4.60

74

张海东

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4.60。

2020-10-09 20:14:04

4.60

75

flyai会员1618479219

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4.60。

2021-04-15 17:50:54

4.60

76

flyai会员1597306654

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4.60。

2021-10-21 20:19:47

4.60

77

致Great

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3.70。

2019-04-13 03:28:03

3.70

78

Smile婷

batch数据为128,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3.67。

2019-04-14 18:58:19

3.67

79

ashora(啊瘦了)

batch数据为300,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0.00。

2020-02-17 00:45:31

0.00

还没有奖金记录哦~ 快去参赛吧!

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?

下载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。