中文微博的立场检测

分享给好友

剩余奖金 ¥ 5,000

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

本次立场检测任务旨在自动确定微博作者对某一话题赞成给定topic(FAVOR),反对给定topic(AGAINST),或者两者都不是(NONE)。注意到给定topic可能不在微博文本中。这意味着立场检测不同于传统的目标检测/部分情绪分析。

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 无时间限制;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 无时间限制;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:2019-08-02
  • 周排行奖结算时间:2019-08-09 15:00:00;月排名奖结算时间:2019-09-02 15:00:00
  • 奖金获取标准:90<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,得分超过基线并通过人工审核后可以实时获取奖金。

数据来源

StenceDet

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 ID
TARGET string 不为空 topic
TEXT string 不为空 文本内容
STANCE string 不为空 立场分类标签

输入字段: TARGET, TEXT,

输出字段: STANCE,

参考文献:

[1]郑海洋, 高俊波, 邱杰, 焦凤. 基于词向量技术与主题词特征的微博立场检测. 计算机系统应用, 2018, 27(9): 118-123.

[2]周耘立,李珊珊.微博立场检测研究综述.四川大学计算机学院,成都,610065.

[3]白静,李霏,姬东鸿.基于注意力的BiLSTM-CNN中文微博立场检测模型.武汉大学计算机学院,湖北,武汉,430072.

[4]周艳芳,周刚,鹿忠磊.一种基于迁移学习及多表征的微博立场分析方法.数学工程与先进计算国家重点实验室,郑州,450001.

评审标准

评审指标说明

  • 精确率(Precision,简称为P):正确预测为正的占全部预测为正的比例
  • 召回率(Recall,简称为R):正确预测为正的占全部实际为正的比例
  • F1-Score 是精确率和召回率的一种加权平均,它的最大值为1,最小值为0
  • 计算公式如下:
  • 评审计算公式

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:树泉

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81.66。

2019-11-28 13:14:06

81.66

第三名

提供者:NLP-Learner

batch数据为32,循环次数为20次,损失函数优化完,最终完成评分为67.17。

2019-08-04 18:48:27

67.17

第三名

提供者:DaBing

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67.09。

TensorFlow

BERT+textCNN

2019-11-30 16:32:37

67.09

4

提供者:endinggy

batch数据为32,循环次数为20次,损失函数优化完,最终完成评分为66.21。

2019-12-12 14:04:23

66.21

5

提供者:壹心壹翼科技_LINXI

batch数据为16,循环次数为10次,损失函数优化完,最终完成评分为65.1。

2019-11-28 16:06:22

65.10

6

提供者:麦小杨

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63.75。

2019-10-11 23:32:36

63.75

7

提供者:killf

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63.73。

Paddle

ERNIE

2019-08-05 01:21:14

63.73

8

提供者:朱!倩倩

batch数据为32,循环次数为9次,损失函数优化完,最终完成评分为63.56。

2019-10-28 11:57:15

63.56

9

提供者:Jeremy

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63.39。

2019-10-15 21:34:48

63.39

10

提供者:凉心半浅良心人

batch数据为32,循环次数为20次,损失函数优化完,最终完成评分为63.38。

2019-08-01 13:59:51

63.38

11

提供者:sakuranew

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63.17。

2019-08-01 14:50:18

63.17

12

提供者:玖月初识

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61.08。

2019-08-06 19:38:11

61.08

13

提供者:chenfengshf

batch数据为32,循环次数为20次,损失函数优化完,最终完成评分为59.68。

paddlepaddle

BERT

2019-12-06 09:49:49

59.68

14

提供者:做自己的唯一

batch数据为64,循环次数为50次,损失函数优化完,最终完成评分为59.65。

2019-10-24 15:25:59

59.65

15

提供者:Oklahoma

batch数据为32,循环次数为18次,损失函数优化完,最终完成评分为58.4。

2019-08-02 16:32:43

58.40

16

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58.13。

2019-08-19 15:45:31

58.13

17

提供者:机器学渣

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56.52。

2019-08-02 10:40:28

56.52

18

提供者:释然

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53.74。

2019-08-12 02:03:53

53.74

19

提供者:AMERICA

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52.71。

2019-10-07 22:32:14

52.71

20

提供者:会员1568255337

batch数据为32,循环次数为60次,损失函数优化完,最终完成评分为52.25。

2019-09-24 16:32:25

52.25

21

提供者:未名湖畔的落叶

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47.98。

torch

BERT

2019-08-03 16:31:58

47.98

22

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47.7。

2019-08-23 11:03:35

47.70

23

提供者:nlp-ygq

batch数据为48,循环次数为6次,损失函数优化完,最终完成评分为35.93。

2019-08-01 17:00:28

35.93

24

提供者:菜菜来了

batch数据为1024,循环次数为1000次,损失函数优化完,最终完成评分为34.21。

2019-08-01 15:07:32

34.21

25

提供者:陈明威

batch数据为32,循环次数为20次,损失函数优化完,最终完成评分为29.73。

2019-11-04 16:40:11

29.73

26

提供者:迷途小书童

batch数据为64,循环次数为5次,损失函数优化完,最终完成评分为24.49。

2019-09-11 02:41:11

24.49

27

提供者:flyai会员1576049375

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22.53。

2019-12-12 12:13:25

22.53

28

提供者:chris_zhang

batch数据为32,循环次数为20次,损失函数优化完,最终完成评分为22.17。

2019-08-02 11:01:14

22.17

29

提供者:flyai会员1575965252

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22.05。

2019-12-11 12:55:07

22.05

30

提供者:梓泽

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22.05。

2019-12-11 22:29:30

22.05

31

提供者:cnn

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18.93。

2019-08-01 10:55:21

18.93

32

提供者:AiFool

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18.93。

2019-08-24 09:19:48

18.93

33

提供者:一叶

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18.93。

2019-11-26 09:40:35

18.93

34

提供者:xiamaozi11

batch数据为30,循环次数为3次,损失函数优化完,最终完成评分为18.76。

2019-08-02 12:11:12

18.76

35

提供者:北部湾的落日

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18.76。

2019-08-03 22:44:16

18.76

36

提供者:小数定理

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18.76。

2019-08-26 18:00:32

18.76

37

提供者:emmm我还没想好

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18.76。

2019-11-06 09:57:28

18.76

38

提供者:样例基线

batch数据为64,循环次数为1次,损失函数优化完,最终完成评分为18.76。

2019-11-20 12:51:24

18.76

39

提供者:Hurry.

batch数据为64,循环次数为1次,损失函数优化完,最终完成评分为18.76。

2019-11-20 14:42:01

18.76

40

提供者:夏拓草

batch数据为64,循环次数为60次,损失函数优化完,最终完成评分为18.76。

2019-11-26 10:35:26

18.76

41

提供者:夏1564457098

batch数据为16,循环次数为10次,损失函数优化完,最终完成评分为11.65。

2019-11-02 19:01:46

11.65

还没有奖金记录哦~ 快去参赛吧!

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