美国点评网站Yelp评价预测赛

分享给好友

剩余奖金 ¥ 11,432

立即报名

立即报名

大赛简介

该数据集包含美国15万用户对18万家企业的100万条点评,涵盖超过140万个商业属性,包括营业时间,停车位,便利性和环境等等。每条数据包括企业名称,位置,属性和类别

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?

  • 请在项目详情页点击【立即报名】按钮,首次需验证手机号、完善报名信息
  • 请点击本页的【资料下载】按钮,下载参赛资料并详细阅读README.md文件

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
  • 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
  • 禁止私下与队伍成员之外的人员分享代码和数据,鼓励在大赛交流群与所有参赛选手公开讨论
  • 参赛选手需自行检查提交作品的正确性,确认无误后再进行提交,如有任何提交问题导致成绩有误,主办方概不负责
  • 参赛作品必须保证原创性,不违反任何中华人民共和国的有关法律,不侵犯任何第三方知识产权或其它权利,如有发现并查证,主办方将取消其比赛资格、成绩

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)
FlyAI挑战奖 所有挑战者 奖金获取标准:60<Score<=100 按照得分比例获取奖金池金额
新框架奖励 所有人 项目中首次使用排行榜中未出现的新框架搭建模型,可获得60FAI币额外积分奖励

备注:

  • 通过更新排行榜获取奖金,与原排行榜冠军得分差值越大,所获奖金比例越高
  • 按照所有挑战者提交作品时间先后,后台审核作品并更新到排行榜中, 【Score】未达奖金获取标准可显示在排行榜中,但无法获取奖金
  • 奖金额度获取评判指标说明:【BOUNS】表示奖金池总额度;【Score】表示模型得分;【BU_N】表示第n位达到奖金获取标准并更新排行榜后所获得的奖金总额度
  • 提交离线训练,系统自动评判模型Score。奖金获取额度计算公式如下:

赛事主题和数据说明

赛题描述

通过迭代自己的算法模型并提交训练,获取奖金池高额奖金。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

Yelp

数据描述

字段说明:

字段名 字段类型 取值区间 字段描述
text float 大于等于 0, 小于等于 512 用户的评价内容
stars float 大于等于 0, 小于等于 4 用户的评价分数

输入字段: text,

输出字段: stars,

参考文献:

[1]https://www.yelp.com/dataset/

附加文件:

名称 描述
glove.txt 英文的词向量
vocab.json 英文的词汇表

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:如何查看数据集?

  • 请在【赛事主题和数据描述>数据来源】点击文字链接查看原始数据集

Q:如何顺利提交作品并训练?

  • 请查看本详情页右侧栏提交指南代码命令提示,根据flyai命令提交作品并训练

Q:提交样例代码是否可获得比赛奖金?

  • 不可以。样例代码仅供开发者学习参考,如提交相似代码,不会通过人工审核且无法获取奖励

展开

排行榜

(每日 24 时更新)

1

提供者:cclxx

181.00

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68.3。

Keras

SRNN

2019-03-30 02:13:36

181.00

68.30

2

提供者:Hallo

367.00

batch数据为128,循环次数为10000次,损失函数优化完,最终完成评分为65.3。

Keras

SRNN

2019-03-20 17:26:29

367.00

65.30

3

提供者:Daiccccc

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65.05。

Keras

LSTM

2019-04-04 16:27:08

65.05

4

提供者:N_chit

10.00

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64.1。

Keras

SRNN

2019-03-27 08:38:32

10.00

64.10

5

提供者:梯度下降

batch数据为512,循环次数为5000次,损失函数优化完,最终完成评分为62.95。

Keras

SRNN

2019-03-20 18:25:32

62.95

6

提供者:HelloGuys

batch数据为128,循环次数为10000次,损失函数优化完,最终完成评分为62.35。

Keras

SRNN

2019-04-04 21:58:04

62.35

7

提供者:沙雕网友

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61.2。

2019-04-13 20:45:16

61.20

8

提供者:www

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58.75。

Keras

SRNN

2019-04-14 18:45:40

58.75

9

提供者:lbj

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33.55。

Keras

SRNN

2019-04-04 19:27:37

33.55

10

提供者:Smile婷

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30.9。

Keras

SRNN

2019-04-14 19:03:40

30.90

11

提供者:smooklazz

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29.95。

Keras

SRNN

2019-04-18 23:50:12

29.95

12

提供者:看你很6哦

10.00

batch数据为128,循环次数为1500次,损失函数优化完,最终完成评分为29.65。

Keras

SRNN

2019-04-12 12:21:51

10.00

29.65

13

提供者:善假于物

10.00

batch数据为256,循环次数为1000次,损失函数优化完,最终完成评分为29.65。

Keras

SRNN

2019-04-02 02:22:10

10.00

29.65

14

提供者:lightning-zgc

10.00

batch数据为32,循环次数为300次,损失函数优化完,最终完成评分为29.35。

Keras

SRNN

2019-03-29 02:58:48

10.00

29.35

15

提供者:Value_H

batch数据为64,循环次数为500次,损失函数优化完,最终完成评分为29.3。

Keras

SRNN

2019-04-03 17:29:06

29.30

16

提供者:许震

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29.25。

Keras

SRNN

2019-04-09 15:28:22

29.25

17

提供者:troublemaker

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29.1。

Keras

SRNN

2019-04-12 09:50:57

29.10

18

提供者:Matthew

batch数据为32,循环次数为3000次,损失函数优化完,最终完成评分为29.1。

Keras

SRNN

2019-04-02 18:04:22

29.10

19

提供者:zhiduanqingchang

batch数据为128,循环次数为1500次,损失函数优化完,最终完成评分为28.55。

Keras

SRNN

2019-04-12 04:25:48

28.55

20

提供者:葱葱

10.00

batch数据为256,循环次数为10次,损失函数优化完,最终完成评分为28.4。

Keras

SRNN

2019-04-02 22:46:10

10.00

28.40

21

提供者:Gavin

10.00

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28.3。

Keras

SRNN

2019-04-02 21:48:18

10.00

28.30

22

提供者:疯狂的大笨蛋

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27.8。

Keras

SRNN

2019-04-18 14:44:14

27.80

23

提供者:好名字可以让你的朋友更容易记住你啊

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27.4。

Keras

SRNN

2019-04-03 21:40:11

27.40

24

提供者:ksboy

10.00

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27.35。

Keras

SRNN

2019-04-01 21:08:33

10.00

27.35

25

提供者:Vincent

10.00

batch数据为128,循环次数为25次,损失函数优化完,最终完成评分为26.05。

Keras

SRNN

2019-04-01 18:54:47

10.00

26.05

26

提供者:xueming

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25.9。

Keras

SRNN

2019-04-11 12:46:50

25.90

27

提供者:zghinfo

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25.8。

Keras

SRNN

2019-04-08 13:32:21

25.80

28

提供者:越努力越幸运

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25.55。

Keras

SRNN

2019-04-10 11:21:00

25.55

29

提供者:低调菜

batch数据为256,循环次数为10000次,损失函数优化完,最终完成评分为23.85。

Keras

SRNN

2019-04-08 19:55:42

23.85

30

提供者:k一起旅行

batch数据为128,循环次数为200次,损失函数优化完,最终完成评分为22.9。

Keras

SRNN

2019-04-02 21:28:51

22.90

31

提供者:'code and paper'

batch数据为32,循环次数为500次,损失函数优化完,最终完成评分为22.3。

Keras

SRNN

2019-04-02 19:52:45

22.30

32

提供者:风雨兼程

10.00

batch数据为16,循环次数为1000次,损失函数优化完,最终完成评分为22.15。

Keras

SRNN

2019-03-18 11:51:55

10.00

22.15

33

提供者:LzM_

10.00

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21.1。

Keras

SRNN

2019-03-25 03:49:29

10.00

21.10

34

提供者:Simplexity

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20.1。

Keras

SRNN

2019-04-12 14:38:30

20.10

35

提供者:菜菜来了

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20。

Keras

SRNN

2019-04-18 17:24:18

20.00

36

提供者:david-dzt

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19.6。

Keras

SRNN

2019-04-07 21:51:27

19.60

37

提供者:harry_koney

10.00

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19.4。

Keras

SRNN

2019-03-30 17:15:22

10.00

19.40

38

提供者:wqllr

10.00

batch数据为128,循环次数为10000次,损失函数优化完,最终完成评分为19.3。

Keras

SRNN

2019-04-01 18:45:36

10.00

19.30

39

提供者:圣上

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19.15。

Keras

SRNN

2019-04-02 20:28:02

19.15

40

提供者:DDBG

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18.4。

Keras

SRNN

2019-04-18 21:45:51

18.40

41

提供者:baixin

10.00

batch数据为128,循环次数为10000次,损失函数优化完,最终完成评分为18.4。

Keras

SRNN

2019-04-01 19:42:33

10.00

18.40

42

提供者:虹猫少侠

batch数据为128,循环次数为10000次,损失函数优化完,最终完成评分为18.4。

Keras

SRNN

2019-04-06 04:26:33

18.40

43

提供者:刘喵兄

batch数据为64,循环次数为10000次,损失函数优化完,最终完成评分为18.05。

Keras

SRNN

2019-04-15 16:05:31

18.05

44

提供者:decoo

batch数据为128,循环次数为50次,损失函数优化完,最终完成评分为18.05。

Keras

SRNN

2019-04-10 06:08:28

18.05

45

提供者:Zhiyu Chen

batch数据为256,循环次数为1000次,损失函数优化完,最终完成评分为17.95。

Keras

SRNN

2019-04-13 07:43:00

17.95

46

提供者:致Great

batch数据为256,循环次数为4000次,损失函数优化完,最终完成评分为17.75。

Keras

SRNN

2019-04-09 16:59:04

17.75

47

提供者:GIANT731

10.00

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17.65。

Keras

SRNN

2019-04-01 17:48:52

10.00

17.65

48

提供者:若素

batch数据为256,循环次数为50次,损失函数优化完,最终完成评分为17.15。

Keras

SRNN

2019-04-11 05:45:15

17.15

49

提供者:cookie

10.00

batch数据为512,循环次数为5000次,损失函数优化完,最终完成评分为16.8。

Keras

SRNN

2019-03-27 21:27:17

10.00

16.80

50

提供者:baseline

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16.55。

Keras

SRNN

2019-04-06 03:57:25

16.55

51

提供者:葛臻晓Shindai

10.00

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16.4。

Keras

SRNN

2019-04-02 15:25:31

10.00

16.40

52

提供者:玉林

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16.1。

Keras

SRNN

2019-04-02 19:14:08

16.10

53

提供者:xugenpeng1554718886

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14.85。

Keras

SRNN

2019-04-08 18:53:02

14.85

54

提供者:张皓

10.00

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14.6。

Keras

SRNN

2019-03-16 14:32:32

10.00

14.60

55

提供者:FC

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13.65。

Keras

SRNN

2019-04-15 10:24:04

13.65

56

提供者:令狐冲

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3.85。

Keras

SRNN

2019-04-13 21:22:43

3.85

万元奖金等你拿,挑战者,都在 FlyAI

点击立即报名

下载参赛资料

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

1. 下载项目并解压
2. 使用终端进入到项目的根目录下

cd /path/to/project

Mac和Linux用户使用 ./flyai 脚本文件

3. 初始化环境并登录

授权flyai脚本

chmod +x ./flyai

下载完成之后,执行下列命令并使用微信扫码登录

./flyai init

登录成功之后,会自动下载运行所需环境

4. 本地开发调试

执行

./flyai test

安装项目所需依赖,并运行 main.py

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

./flyai train

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

默认训练成功后不公开在项目排行榜中,公开项目需在提交训练时执行

./flyai train -p=1

完整训练设置执行代码示例:

./flyai train -p=1 -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 ,公开提交模型

$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

报名成功!

感谢您的参与!点击 下载资料 并及时提交您的作品

下载资料

打开微信,使用扫一扫功能分享给好友