中文的命名实体识别

分享给好友

剩余奖金 ¥ 2,503

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

命名实体识别,英文简称NER,主要任务是识别文本中具有特定意义的实体,主要包括人名、地名、机构名称、专有的名词等,以及关于时间、数量、货币、比例数值等文字。

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

  • 方式一:
  • 在线查看样例根据FlyAI样例模版实现算法并使用云端免费GPU进行模型训练获得最终成绩得分
  • 方式二:
  • 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,在本地进行代码调试的教程请查看[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
  • 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:2019-08-07
  • 周排行奖结算时间:2019-08-14 15:00:00;月排名奖结算时间:2019-09-07 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

NER_new

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
source string 不为空 句子
target string 不为空 标签

输入字段: source,

输出字段: target,

参考文献:

[1]NER

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。

展开

  • 竞赛排行榜
  • 奖金记录
第三名

提供者:雨中冰言

47.50

batch数据为48,循环次数为32次,损失函数优化完,最终完成评分为86.35。

TensorFlow

LSTM+CRF

2019-10-21 09:46:07

47.50

86.35

第三名

提供者:julymin

37.00

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为84.87。

TensorFlow

LSTM+CRF

2019-09-23 08:09:35

37.00

84.87

第三名

提供者:sakuranew

1118.75

batch数据为12,循环次数为11次,损失函数优化完,最终完成评分为84.57。

TensorFlow

LSTM+CRF

2019-09-07 02:13:12

1118.75

84.57

4

提供者:NLP-Learner

1222.00

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为83.33。

TensorFlow

LSTM+CRF

2019-08-11 09:09:07

1222.00

83.33

5

提供者:==

batch数据为16,循环次数为45次,损失函数优化完,最终完成评分为78.23。

PyTorch

LSTM+CRF

2019-09-13 10:42:44

78.23

6

提供者:迷途小书童

batch数据为64,循环次数为32次,损失函数优化完,最终完成评分为77.35。

PyTorch

LSTM+CRF

2019-09-10 04:20:08

77.35

7

提供者:夏1564457098

batch数据为128,循环次数为500次,损失函数优化完,最终完成评分为76.99。

TensorFlow

LSTM+CRF

2019-09-10 16:53:43

76.99

8

提供者:是眼缘不是演员

batch数据为128,循环次数为150次,损失函数优化完,最终完成评分为76.67。

TensorFlow

LSTM+CRF

2019-06-18 19:18:27

76.67

9

提供者:NLP_Rookie

batch数据为16,循环次数为30次,损失函数优化完,最终完成评分为76.63。

2019-10-09 23:24:10

76.63

10

提供者:rui

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76.51。

TensorFlow

LSTM+CRF

2019-12-10 20:43:55

76.51

11

提供者:大大大宇子

batch数据为128,循环次数为500次,损失函数优化完,最终完成评分为76.32。

TensorFlow

LSTM+CRF

2019-06-15 18:06:47

76.32

12

提供者:?..

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为75.58。

TensorFlow

LSTM+CRF

2019-06-07 11:47:55

75.58

13

提供者:cnn

batch数据为50,循环次数为32次,损失函数优化完,最终完成评分为75.43。

TensorFlow

LSTM+CRF

2019-07-11 08:30:46

75.43

14

提供者:云中漫步的云彩

batch数据为64,循环次数为1000次,损失函数优化完,最终完成评分为75.08。

TensorFlow

LSTM+CRF

2019-06-15 02:16:09

75.08

15

提供者:ChangeBio

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74.73。

TensorFlow

LSTM+CRF

2019-06-09 11:33:55

74.73

16

提供者:二狗你变了

batch数据为128,循环次数为100次,损失函数优化完,最终完成评分为74.53。

TensorFlow

LSTM+CRF

2019-06-16 16:09:30

74.53

17

提供者:麦小杨

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为73.75。

TensorFlow

LSTM+CRF

2019-08-27 04:00:30

73.75

18

提供者:树泉

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73.68。

2019-11-23 05:44:24

73.68

19

提供者:Yusei.

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为73.49。

TensorFlow

LSTM+CRF

2019-07-07 12:32:24

73.49

20

提供者:Jtay2019

batch数据为128,循环次数为32次,损失函数优化完,最终完成评分为72.4。

TensorFlow

LSTM+CRF

2019-06-09 18:47:52

72.40

21

提供者:普六茹那罗延

batch数据为128,循环次数为500次,损失函数优化完,最终完成评分为72.2。

TensorFlow

LSTM+CRF

2019-06-15 09:45:37

72.20

22

提供者:ttttaeyang

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71.95。

TensorFlow

LSTM+CRF

2019-06-07 19:26:55

71.95

23

提供者:年小舜

batch数据为500,循环次数为1000次,损失函数优化完,最终完成评分为71.77。

TensorFlow

LSTM+CRF

2019-08-21 11:14:05

71.77

24

提供者:Wjh

batch数据为64,循环次数为15次,损失函数优化完,最终完成评分为71.6。

TensorFlow

Stack_rnn+CRF

2019-06-14 12:04:03

71.60

25

提供者:xiamaozi11

batch数据为100,循环次数为32次,损失函数优化完,最终完成评分为71.45。

TensorFlow

LSTM+CRF

2019-08-07 15:17:54

71.45

26

提供者:天雨龙马

batch数据为64,循环次数为40次,损失函数优化完,最终完成评分为71.27。

2019-10-17 22:16:33

71.27

27

提供者:sea2603

batch数据为1,循环次数为100次,损失函数优化完,最终完成评分为71.14。

TensorFlow

LSTM+CRF

2019-08-22 21:44:47

71.14

28

提供者:弗兰克1566442094

batch数据为16,循环次数为10000次,损失函数优化完,最终完成评分为71.09。

2019-08-28 04:37:31

71.09

29

提供者:子曰吴窗

batch数据为64,循环次数为32次,损失函数优化完,最终完成评分为69.64。

TensorFlow

LSTM+CRF

2019-08-08 16:10:48

69.64

30

提供者:丅丄

batch数据为1024,循环次数为10000次,损失函数优化完,最终完成评分为69.54。

TensorFlow

LSTM+CRF

2019-08-23 11:11:15

69.54

31

提供者:malena

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为69.28。

TensorFlow

LSTM+CRF

2019-06-13 14:42:00

69.28

32

提供者:yphacker

batch数据为128,循环次数为32次,损失函数优化完,最终完成评分为69.28。

TensorFlow

LSTM+CRF

2019-08-23 07:59:12

69.28

33

提供者:yunhaiyidao

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为69.24。

Keras

GRU+LSTM+CRF

2019-07-18 13:20:56

69.24

34

提供者:修远

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69.07。

TensorFlow

LSTM+CRF

2019-08-18 22:01:03

69.07

35

提供者:灵翼侠

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为68.98。

TensorFlow

LSTM+CRF

2019-07-01 20:51:20

68.98

36

提供者:去

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为68.97。

TensorFlow

LSTM+CRF

2019-08-01 18:13:03

68.97

37

提供者:CTL

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为68.75。

2019-11-26 08:56:18

68.75

38

提供者:杰

batch数据为128,循环次数为64次,损失函数优化完,最终完成评分为68.44。

2019-08-10 00:48:12

68.44

39

提供者:learnFromBest

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67.92。

TensorFlow

LSTM+CRF

2019-07-23 00:23:42

67.92

40

提供者:凉心半浅良心人

batch数据为64,循环次数为32次,损失函数优化完,最终完成评分为67.46。

TensorFlow

LSTM+CRF

2019-08-08 15:20:00

67.46

41

提供者:happyprince

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为67.02。

TensorFlow

LSTM+CRF

2019-08-09 01:55:50

67.02

42

提供者:慕先

batch数据为1024,循环次数为100次,损失函数优化完,最终完成评分为63.53。

TensorFlow

LSTM+CRF

2019-08-01 16:22:43

63.53

43

提供者:AiFool

batch数据为1024,循环次数为100次,损失函数优化完,最终完成评分为63.27。

TensorFlow

LSTM+CRF

2019-08-24 10:42:52

63.27

44

提供者:梁昆

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为56.1。

TensorFlow

LSTM+CRF

2019-08-29 16:31:15

56.10

45

提供者:AK

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为55.87。

TensorFlow

LSTM+CRF

2019-09-28 00:48:51

55.87

46

提供者:为之奈何

batch数据为1024,循环次数为15次,损失函数优化完,最终完成评分为54.6。

TensorFlow

LSTM+CRF

2019-08-21 12:22:25

54.60

47

提供者:cong

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为53.46。

2019-08-23 08:51:09

53.46

48

提供者:未半

batch数据为20,循环次数为10次,损失函数优化完,最终完成评分为32.9。

2019-12-12 20:57:07

32.90

49

提供者:yayun_fly

batch数据为32,循环次数为30次,损失函数优化完,最终完成评分为14.74。

2019-09-05 18:54:12

14.74

50

提供者:zhr

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为13.76。

TensorFlow

LSTM+CRF

2019-08-24 23:55:32

13.76

51

提供者:eedwm

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0.94。

TensorFlow

LSTM+CRF

2019-09-18 15:19:34

0.94

52

提供者:klaywen

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0.37。

2019-11-15 15:39:38

0.37

53

提供者:小瑜.R

batch数据为64,循环次数为10次,损失函数优化完,最终完成评分为0。

2019-11-18 18:09:26

0.00

2019-10-21
雨中冰言

模型得分为86.35,本次获得实时奖励奖金为24

2019-10-21 11:36:14

雨中冰言

模型得分为85.49,本次获得实时奖励奖金为23.5

2019-10-21 11:35:21

2019-09-23
julymin

模型得分为84.87,本次获得实时奖励奖金为7

2019-09-23 11:21:48

julymin

模型得分为84.56,本次获得实时奖励奖金为30

2019-09-23 11:14:40

2019-09-09
NLP-Learner

模型得分为83.33,本次获得排名奖奖金为375

2019-09-09 11:23:35

sakuranew

模型得分为84.57,本次获得排名奖奖金为625

2019-09-09 11:23:34

sakuranew

模型得分为84.57,本次获得实时奖励奖金为90

2019-09-09 11:09:16

2019-08-14
sakuranew

模型得分为83.11,本次获得排名奖奖金为375

2019-08-14 15:00:02

NLP-Learner

模型得分为83.33,本次获得排名奖奖金为625

2019-08-14 15:00:02

2019-08-12
NLP-Learner

模型得分为83.33,本次获得实时奖励奖金为23

2019-08-12 12:31:15

sakuranew

模型得分为82.24,本次获得实时奖励奖金为25

2019-08-12 12:09:53

2019-08-09
sakuranew

模型得分为80.62,本次获得实时奖励奖金为3.75

2019-08-09 16:07:08

2019-08-08
NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:31

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:31

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:30

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:30

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:30

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:30

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:22

NLP-Learner

模型得分为80.25,本次获得实时奖励奖金为187

2019-08-08 12:03:29

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.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.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.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
参赛提示


申请参赛资格请扫描上方二维码联系FlyAI客服

当前赛题您未在 24小时内 报名参加
参赛资格已失效,如有疑问请联系FlyAI客服

当前赛题您未在 48小时内 提交有效成绩
参赛资格已失效,如有疑问请联系FlyAI客服

参加其他比赛
提交结果文件
提示:每次提交需消耗 100 FAI

仅支持上传 CSV 格式的文件

$vue{csvName}上传成功
取消 确认提交

评估成绩得分

$vue{csv_data.score}
$vue{csv_data.lable}
关闭结果