仅支持上传 CSV 格式的文件
ATEC-问题相似度计算练习赛(内置BERT)
分享给好友
报名参赛
报名参赛
大赛简介
ATEC-问题相似度计算是由蚂蚁金服主办的赛题,在智能客服业务场景中提升用户体验、高效问题匹配、减轻客服压力等方面具有重要的价值。
基于对问题相似度计算研究,FlyAI为优秀的算法研究者提供此类赛题并通过FlyAI训练框架内置Google BERT 预训练模型。以客服业务为切入点,与大家一起探讨在自然语言处理领域的研究价值、普惠金融领域的商业发展价值。
Google BERT简介:2018年谷歌AI团队新发布的BERT模型,在机器阅读理解顶级水平测试SQuAD1.1中表现出惊人的成绩:全部两个衡量指标上全面超越人类,并且还在11种不同NLP测试中创出最佳成绩,包括将GLUE基准推至80.4%(绝对改进7.6%),MultiNLI准确度达到86.7% (绝对改进率5.6%)等。
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
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:
字段名 | 字段类型 | 取值区间 | 字段描述 |
---|---|---|---|
id | int | 不为空 | 序号 |
texta | string | 不为空 | 文本1 |
textb | string | 不为空 | 文本2 |
label | int | 不为空 | 分类标签 |
输入字段: texta, textb,
输出字段: label,
参考文献:
[2]BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
评审标准
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:
展开
- 竞赛排行榜
- 自由练习榜单


