Stanford-Sentiment-Treebank 情感分析

分享给好友

剩余奖金 ¥ 756

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

随着我们越来越多地通过社交网络分享这些观点,一个结果是创造了大量的情感储备,如果系统地分析,可以提供关于我们在产品,个性和问题方面的集体喜好和不喜欢的线索。

这个项目由斯坦福大学的研究生 Richard Socher 发起,在构建 NaSent 的过程中,Socher 和他的团队从烂番茄网站拿来了 1.2万 个句子,将其拆分为 21.4 万个短语,标记为非常消极、消极、中性、积极、非常积极等,然后将这些数据输入系统之中,并以此为基础对句子做分析。

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

  • 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:2019-05-16
  • 周排行奖结算时间:2019-05-23 15:00:00;月排名奖结算时间:2019-06-16 15:00:00
  • 奖金获取标准:50<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

SST

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
sentence string 不为空 句子内容
label int 不为空 类别

输入字段: sentence,

输出字段: label,

参考文献:

[1]EMNLP2013_RNTN

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:sakuranew

680.88

batch数据为32,循环次数为15次,损失函数优化完,最终完成评分为95.02。

2019-06-16 10:05:13

680.88

95.02

第三名

提供者:凉心半浅良心人

261.72

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94.91。

fastai

BERT

2019-08-01 13:21:57

261.72

94.91

第三名

提供者:NLP-Learner

582.44

batch数据为32,循环次数为4次,损失函数优化完,最终完成评分为94.86。

2019-06-14 18:38:00

582.44

94.86

4

提供者:未名湖畔的落叶

1130.86

batch数据为128,循环次数为5次,损失函数优化完,最终完成评分为94.66。

2019-08-14 17:46:45

1130.86

94.66

5

提供者:yphacker

batch数据为32,循环次数为8次,损失函数优化完,最终完成评分为94.47。

2019-09-03 10:10:51

94.47

6

提供者:不拿第一不睡觉

batch数据为32,循环次数为3次,损失函数优化完,最终完成评分为94.45。

2019-10-13 05:28:58

94.45

7

提供者:初霁

batch数据为64,循环次数为2次,损失函数优化完,最终完成评分为94.28。

2019-10-20 12:24:44

94.28

8

提供者:欧奕旻

batch数据为32,循环次数为1次,损失函数优化完,最终完成评分为92.94。

2019-10-13 12:36:45

92.94

9

提供者:chenfengshf

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91.95。

paddlepaddle

ERNIE

2019-10-05 22:04:26

91.95

10

提供者:普六茹那罗延

93.75

batch数据为32,循环次数为4000次,损失函数优化完,最终完成评分为91.02。

2019-05-24 22:58:34

93.75

91.02

11

提供者:sishiwu

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90.04。

2019-11-14 06:47:35

90.04

12

提供者:Jeremy

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89.23。

2019-10-15 20:04:17

89.23

13

提供者:麦小杨

355.44

batch数据为128,循环次数为5000次,损失函数优化完,最终完成评分为89.06。

2019-05-30 15:34:30

355.44

89.06

14

提供者:ChangeBio

555.75

batch数据为512,循环次数为3000次,损失函数优化完,最终完成评分为87.61。

2019-05-22 17:58:20

555.75

87.61

15

提供者:陈成

1.46

batch数据为512,循环次数为32次,损失函数优化完,最终完成评分为85.58。

2019-05-30 15:02:51

1.46

85.58

16

提供者:沙雕网友

380.50

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81.93。

2019-05-18 04:54:27

380.50

81.93

17

提供者:玖月初识

28.13

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79.57。

2019-08-15 20:05:41

28.13

79.57

18

提供者:恋旧却念旧

112.50

batch数据为32,循环次数为3500次,损失函数优化完,最终完成评分为76.47。

2019-05-22 17:33:20

112.50

76.47

19

提供者:菜菜来了

58.13

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75.99。

2019-05-23 00:30:52

58.13

75.99

20

提供者:linlh

batch数据为128,循环次数为2次,损失函数优化完,最终完成评分为58.31。

2019-05-31 11:44:58

58.31

21

提供者:malena

3.75

batch数据为16,循环次数为2000次,损失函数优化完,最终完成评分为55.42。

2019-05-19 18:31:26

3.75

55.42

22

提供者:gboy

batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为55.42。

2019-06-13 01:06:02

55.42

23

提供者:大大大宇子

batch数据为32,循环次数为1次,损失函数优化完,最终完成评分为55.42。

2019-06-16 13:24:34

55.42

24

提供者:hiahiahia

batch数据为16,循环次数为500次,损失函数优化完,最终完成评分为55.42。

2019-06-18 16:32:56

55.42

25

提供者:sixgod

batch数据为256,循环次数为300次,损失函数优化完,最终完成评分为53.45。

2019-05-23 16:22:19

53.45

26

提供者:我吃定了这第一

batch数据为16,循环次数为4000次,损失函数优化完,最终完成评分为44.58。

2019-05-17 13:58:38

44.58

27

提供者:帮我我不C

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44.58。

2019-08-26 19:34:53

44.58

28

提供者:持久战

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44.58。

2019-10-31 14:40:14

44.58

2019-08-16
玖月初识

模型得分为79.57,本次获得实时奖励奖金为28.13

2019-08-16 11:16:09

2019-06-16
凉心半浅良心人

模型得分为94.81,本次获得排名奖奖金为250

2019-06-16 15:00:01

NLP-Learner

模型得分为94.86,本次获得排名奖奖金为375

2019-06-16 15:00:01

sakuranew

模型得分为95.02,本次获得排名奖奖金为625

2019-06-16 15:00:01

sakuranew

模型得分为95.02,本次获得实时奖励奖金为9

2019-06-16 14:47:39

2019-06-15
NLP-Learner

模型得分为94.86,本次获得实时奖励奖金为14

2019-06-15 21:14:44

2019-06-14
NLP-Learner

模型得分为94.62,本次获得实时奖励奖金为2

2019-06-14 14:16:07

NLP-Learner

模型得分为94.57,本次获得实时奖励奖金为8

2019-06-14 13:43:18

2019-06-13
凉心半浅良心人

模型得分为94.18,本次获得实时奖励奖金为11.72

2019-06-13 11:06:40

2019-06-04
NLP-Learner

模型得分为94.42,本次获得实时奖励奖金为183.44

2019-06-04 11:59:38

2019-05-30
sakuranew

模型得分为90.41,本次获得实时奖励奖金为46.88

2019-05-30 10:52:43

2019-05-28
陈成

模型得分为83.41,本次获得实时奖励奖金为1.46

2019-05-28 13:50:45

普六茹那罗延

模型得分为91.02,本次获得实时奖励奖金为93.75

2019-05-28 13:50:34

2019-05-23
麦小杨

模型得分为86.84,本次获得排名奖奖金为250

2019-05-23 15:00:01

ChangeBio

模型得分为87.61,本次获得排名奖奖金为375

2019-05-23 15:00:01

未名湖畔的落叶

模型得分为91.04,本次获得排名奖奖金为625

2019-05-23 15:00:01

未名湖畔的落叶

模型得分为91.04,本次获得实时奖励奖金为23

2019-05-23 13:54:16

未名湖畔的落叶

模型得分为90.48,本次获得实时奖励奖金为414

2019-05-23 13:43:08

菜菜来了

模型得分为75.99,本次获得实时奖励奖金为56.25

2019-05-23 13:42:12

未名湖畔的落叶

模型得分为89.45,本次获得实时奖励奖金为57

2019-05-23 13:41:54

2019-05-22
未名湖畔的落叶

模型得分为87.8,本次获得实时奖励奖金为11.86

2019-05-22 19:29:06

ChangeBio

模型得分为87.61,本次获得实时奖励奖金为24

2019-05-22 19:28:33

麦小杨

模型得分为86.84,本次获得实时奖励奖金为105.44

2019-05-22 13:46:02

2019-05-21
菜菜来了

模型得分为53.86,本次获得实时奖励奖金为1.88

2019-05-21 11:57:21

2019-05-20
malena

模型得分为55.42,本次获得实时奖励奖金为3.75

2019-05-20 11:25:25

ChangeBio

模型得分为83.69,本次获得实时奖励奖金为30

2019-05-20 11:22:06

ChangeBio

模型得分为82.31,本次获得实时奖励奖金为101.75

2019-05-20 11:21:28

恋旧却念旧

模型得分为73.43,本次获得实时奖励奖金为112.5

2019-05-20 11:21:04

沙雕网友

模型得分为81.93,本次获得实时奖励奖金为380.5

2019-05-20 11:20:31

ChangeBio

模型得分为56.25,本次获得实时奖励奖金为1

2019-05-20 11:17:31

ChangeBio

模型得分为55.42,本次获得实时奖励奖金为24

2019-05-20 11:17:28

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