Quora-检测两个问题是否重复

分享给好友

剩余奖金 ¥ 1,764

报名参赛

体验云端免费GPU极速训练,还能赢奖⾦!

报名参赛

大赛简介

此数据集是Quora网站公开的数据集,包含了40万条数据。每条数据由两个看起来相似的问题及问题是否重复的标签组成。该数据集可用来训练具有判断能力的NLP模型。

参赛须知

参赛时间: 本次竞赛无时间限制,长期有效开放

如何参赛?

  • 方式一:在线提交体验结果。FlyAI已提供了赛题的样例代码,点击【查看样例】可以直接使用样例代码提交到免费GPU进行模型训练体验。
  • 方式二:本地调试模型并提交训练。请在"在线提交页"点击【下载代码】按钮将包含项目样例的资料包下载到本地,并使用本地开发环境进行代码调试。本地调试和提交指南请查看[文档中心]

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

  • 最终比赛成绩以排行榜显示排名为准
  • 根据作品提交时间先后顺序进行人工审核,审核合格后提交至排行榜
  • 禁止使用外部链接下载代码替换本项目代码
  • 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
  • 通过系统漏洞取得的比赛成绩无效,FlyAI有权撤回参赛者成绩
  • 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30%) 所有人 不同得分区间获得相应的竞赛奖金
突破奖(总奖金20%) 所有人 更新排行榜得分,获取相应竞赛奖金
排名奖(总奖金50%) 第一周/月前3名(冠、亚、季军) 项目上线第一周、第一个月; Time_P(周) = 0.5,Time_P(月) = 0.5;K1=0.5,K2=0.3,K3=0.2;
不同框架奖励 所有人 获得60FAI币用于GPU训练资源消耗

备注:

  • 上线时间:2019-04-25
  • 周排行奖结算时间:2019-05-02 15:00:00;月排名奖结算时间:2019-05-25 15:00:00
  • 奖金获取标准:80<Score 按照得分比例获取奖金
  • 获得奖金分为3部分:参与奖、突破奖为审核完毕实时获取的奖金,排名奖需在规定时间结束后根据排名顺序获得
  • Bouns表示为:奖金池总金额;Score表示为:模型得分;
  • 【参与奖】相同得分区间无法再次获得奖励
  • 各项奖金获得计算公式参考如下:
  • 参与奖(Participation Award)
  • R表示:得分的区间系数;T表示为:相同得分区间得分人数;
  • 100-标准分:分为5个区间系数;R1(0.02),R2(0.08),R3(0.15),R4(0.25),R5(0.5)
  • 奖金计算公式1
  • 突破奖(Prizes)
  • N表示:第N次更新排行榜;Prizes_N-1表示:排行榜更新后已发放的突破奖金
  • 奖金计算公式2
  • 排名奖(Ranking Award)
  • Time_p表示:相关截止日期的奖金发放系数;K表示:每次发放排行榜前三名的分配系数;
  • 奖金计算公式3

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

DuplicatedQusetions

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
question1 string 不为空 第一个问题
question2 string 不为空 第二个问题
labels int 大于等于 0, 小于等于 1 问题是否重复

输入字段: question1, question2,

输出字段: labels,

参考文献:

[1]http://qim.ec.quoracdn.net/quora_duplicate_questions.tsv

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:

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、PaddlePaddle等。

Q:怎么参加比赛,需不需要提交csv文件?

  • 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processor.py中的数据处理。请仔细阅读右侧提交指南,使用FlyAI命令参与比赛。

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。

展开

  • 竞赛排行榜
  • 奖金记录
第三名

提供者:凉心半浅良心人

64.75

batch数据为64,循环次数为3次,损失函数优化完,最终完成评分为90.23。

2019-07-27 15:47:11

64.75

90.23

第三名

提供者:chenfengshf

4.22

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为89.1。

2019-10-11 00:51:32

4.22

89.10

第三名

提供者:NLP-Learner

147.50

batch数据为128,循环次数为4次,损失函数优化完,最终完成评分为88.87。

2019-06-05 11:18:46

147.50

88.87

4

提供者:唱跳RAP打篮球

636.00

batch数据为512,循环次数为100次,损失函数优化完,最终完成评分为87.58。

2019-04-28 21:39:30

636.00

87.58

5

提供者:未名湖畔的落叶

9.00

batch数据为32,循环次数为32次,损失函数优化完,最终完成评分为82.24。

2019-07-23 19:38:05

9.00

82.24

6

提供者:KK1557441412

batch数据为1024,循环次数为5000次,损失函数优化完,最终完成评分为79.92。

2019-05-14 15:49:33

79.92

7

提供者:trick_or_treat

batch数据为256,循环次数为6000次,损失函数优化完,最终完成评分为79.87。

2019-04-27 16:05:19

79.87

8

提供者:huaiandaieren

batch数据为512,循环次数为6000次,损失函数优化完,最终完成评分为79.51。

2019-05-13 00:03:56

79.51

9

提供者:菜菜来了

batch数据为1024,循环次数为3000次,损失函数优化完,最终完成评分为77.53。

2019-05-01 20:59:49

77.53

10

提供者:444444

batch数据为48,循环次数为3次,损失函数优化完,最终完成评分为76.19。

2019-06-12 17:48:52

76.19

11

提供者:沙雕网友

batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为75.55。

2019-05-09 03:09:53

75.55

12

提供者:某某

batch数据为512,循环次数为512次,损失函数优化完,最终完成评分为75.02。

2019-07-16 23:00:14

75.02

13

提供者:www

batch数据为1024,循环次数为6000次,损失函数优化完,最终完成评分为74.19。

2019-04-29 14:54:35

74.19

14

提供者:Joshua

batch数据为512,循环次数为8000次,损失函数优化完,最终完成评分为73.83。

2019-04-29 18:41:36

73.83

15

提供者:yphacker

batch数据为256,循环次数为6000次,损失函数优化完,最终完成评分为73.75。

2019-04-30 18:44:07

73.75

16

提供者:zhiduanqingchang

batch数据为128,循环次数为3000次,损失函数优化完,最终完成评分为73.44。

2019-05-02 06:29:45

73.44

17

提供者:Daiccccc

batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为72.62。

2019-04-26 08:15:36

72.62

18

提供者:ChangeBio

batch数据为64,循环次数为3000次,损失函数优化完,最终完成评分为71.5。

2019-04-30 16:41:09

71.50

19

提供者:Notturno

batch数据为128,循环次数为20次,损失函数优化完,最终完成评分为71.16。

2019-06-24 06:02:50

71.16

20

提供者:叫我培基就好了

batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为70.93。

2019-04-28 11:59:37

70.93

21

提供者:hhy

batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为70.45。

2019-05-03 09:48:04

70.45

22

提供者:江枫渔火

batch数据为32,循环次数为2400次,损失函数优化完,最终完成评分为69.98。

2019-04-26 19:10:10

69.98

23

提供者:lyming

batch数据为128,循环次数为2000次,损失函数优化完,最终完成评分为68.45。

2019-04-29 20:40:09

68.45

24

提供者:哇咔咔

batch数据为256,循环次数为500次,损失函数优化完,最终完成评分为67.73。

2019-04-29 23:01:42

67.73

25

提供者:打脸啪啪啪

batch数据为128,循环次数为2000次,损失函数优化完,最终完成评分为67.46。

2019-04-30 11:16:15

67.46

26

提供者:Songsong

batch数据为512,循环次数为1000次,损失函数优化完,最终完成评分为66.34。

2019-04-29 23:18:03

66.34

27

提供者:xinlofi

batch数据为32,循环次数为100次,损失函数优化完,最终完成评分为63.16。

2019-04-27 21:33:11

63.16

28

提供者:No.7

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为63.16。

2019-05-05 17:44:38

63.16

29

提供者:夏天好热

batch数据为20,循环次数为32次,损失函数优化完,最终完成评分为63.16。

2019-05-12 15:40:23

63.16

30

提供者:心如止水

batch数据为300,循环次数为50次,损失函数优化完,最终完成评分为63.16。

2019-05-15 23:18:45

63.16

31

提供者:C

batch数据为256,循环次数为32次,损失函数优化完,最终完成评分为63.16。

2019-06-04 11:33:21

63.16

32

提供者:练字不能停

batch数据为1000,循环次数为3000次,损失函数优化完,最终完成评分为63.16。

2019-06-23 22:38:15

63.16

33

提供者:王翔

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为63.16。

2019-07-09 19:48:58

63.16

34

提供者:张咸鱼

batch数据为32,循环次数为100次,损失函数优化完,最终完成评分为63.16。

2019-07-10 11:03:55

63.16

35

提供者:Godning

batch数据为32,循环次数为5次,损失函数优化完,最终完成评分为63.16。

2019-07-11 15:48:15

63.16

36

提供者:JesseYule

batch数据为128,循环次数为30次,损失函数优化完,最终完成评分为63.16。

2019-09-13 21:07:31

63.16

37

提供者:丶人狠话不多

batch数据为256,循环次数为5000次,损失函数优化完,最终完成评分为51.05。

2019-04-26 21:09:01

51.05

2019-10-11
chenfengshf

模型得分为89.1,本次获得实时奖励奖金为4.22

2019-10-11 14:09:03

2019-07-29
凉心半浅良心人

模型得分为90.23,本次获得实时奖励奖金为6

2019-07-29 14:02:30

凉心半浅良心人

模型得分为89.97,本次获得实时奖励奖金为25

2019-07-29 12:34:19

凉心半浅良心人

模型得分为88.62,本次获得实时奖励奖金为33.75

2019-07-29 11:37:31

2019-07-24
未名湖畔的落叶

模型得分为80.51,本次获得实时奖励奖金为9

2019-07-24 10:54:42

2019-06-06
NLP-Learner

模型得分为88.87,本次获得实时奖励奖金为147.5

2019-06-06 10:46:49

2019-05-25
唱跳RAP打篮球

模型得分为87.58,本次获得排名奖奖金为375

2019-05-25 15:00:02

2019-05-06
唱跳RAP打篮球

模型得分为87.58,本次获得排名奖奖金为225

2019-05-06 15:00:02

2019-04-30
唱跳RAP打篮球

模型得分为84.32,本次获得实时奖励奖金为36

2019-04-30 17:50:36

挑战者大赛 官方交流群

训练记录

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 notebook 操作界面

运行 run main.py 命令即可在本地训练调试代码

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

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

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

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

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

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 FlyAI-Jupyter 代码调试环境

在终端执行命令 ./flyai ide 打开调试环境 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

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

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

更多参赛帮助请查看文档中心

$vue{ errorTip }

发送样例至我的邮箱

已发送

已发送成功

请查收FlyAI官方邮件查看详情 根据样例提高算法评分可以获得积分奖励 用来兑换GPU训练时长

确定

$vue{flag?'报名成功!':'参赛温馨提示'}

通过迭代赛题的样例代码提高模型准确率哦~
准确率越高,奖励越丰富!

查看样例代码

⼤神你好!当前能⼒值⽆法参加新⼿手赛

多给新手一些机会哦~

查看样例代码

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