搜狗新闻文本分类预测

分享给好友

剩余奖金 ¥ 695

立即报名

立即报名

大赛简介

该数据集来自若干新闻站点2012年6月—7月期间国内,国际,体育,社会,娱乐等18个频道的新闻数据。根据新闻正文内容分析新闻的类别

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:85<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

sogouNews

数据描述

字段说明:

字段名 字段类型 取值区间 字段描述
text string 不为空 文章内容
label string 不为空 文章类型

输入字段: text,

输出字段: label,

参考文献:

[1]Automatic Online News Issue Construction in Web Environment. Canhui Wang, Min Zhang, Shaoping ma, Liyun Ru, the 17th International World Wide Web Conference (WWW08), Beijing, April, 2008.

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

415.00

batch数据为128,循环次数为2500次,损失函数优化完,最终完成评分为94.8。

Keras

LSTM

2019-04-10 10:54:12

415.00

94.80

2

提供者:杰

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93.25。

Keras

LSTM

2019-04-12 20:00:54

93.25

3

提供者:菜菜来了

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93.25。

Keras

LSTM

2019-04-18 17:05:39

93.25

4

提供者:lbj

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92.3。

Keras

LSTM

2019-04-02 12:40:33

10.00

92.30

5

提供者:Staples

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91.2。

Keras

LSTM

2019-04-02 13:11:27

91.20

6

提供者:alex_jiang

10.00

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91.1。

Keras

LSTM

2019-04-02 16:33:45

10.00

91.10

7

提供者:yunqixu1554192835

batch数据为128,循环次数为4000次,损失函数优化完,最终完成评分为90.85。

Keras

CNN+LSTM

2019-04-09 17:12:14

90.85

8

提供者:云中漫步的云彩

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90.65。

Keras

LSTM

2019-04-17 21:31:49

90.65

9

提供者:致Great

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90.65。

Keras

LSTM

2019-04-10 01:00:59

90.65

10

提供者:Hallo

164.00

batch数据为256,循环次数为3333次,损失函数优化完,最终完成评分为90.5。

Keras

LSTM

2019-03-20 16:49:44

164.00

90.50

11

提供者:0101 m_liutao

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90.45。

Keras

LSTM

2019-04-15 14:56:02

90.45

12

提供者:军军无敌

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90.15。

Keras

LSTM

2019-04-03 10:24:38

90.15

13

提供者:FC

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90.15。

Keras

LSTM

2019-04-14 23:51:04

90.15

14

提供者:lightning-zgc

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90.1。

Keras

LSTM

2019-04-04 18:34:27

90.10

15

提供者:虹猫少侠

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89.75。

Keras

LSTM

2019-04-05 23:50:41

89.75

16

提供者:rust

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89.55。

Keras

LSTM

2019-04-04 14:32:21

89.55

17

提供者:Gavin

10.00

batch数据为128,循环次数为8000次,损失函数优化完,最终完成评分为89.35。

Keras

LSTM

2019-03-29 19:50:31

10.00

89.35

18

提供者:david-dzt

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89.25。

Keras

LSTM

2019-04-07 19:49:09

89.25

19

提供者:LzM_

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89.1。

Keras

LSTM

2019-03-21 01:32:11

10.00

89.10

20

提供者:李佳政Rengar

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88.95。

Keras

LSTM

2019-04-03 14:15:24

88.95

21

提供者:zhiduanqingchang

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88.95。

Keras

LSTM

2019-04-08 00:04:19

88.95

22

提供者:低调菜

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88.8。

Keras

LSTM

2019-04-08 18:50:43

88.80

23

提供者:梯度下降

746.00

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88.4。

Keras

LSTM

2019-03-19 16:42:24

746.00

88.40

24

提供者:刘谕齐

10.00

batch数据为256,循环次数为1500次,损失函数优化完,最终完成评分为88.1。

Keras

LSTM

2019-03-31 10:02:55

10.00

88.10

25

提供者:善假于物

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87.35。

Keras

LSTM

2019-04-07 17:24:02

87.35

26

提供者:k一起旅行

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87.2。

Keras

LSTM

2019-04-02 18:35:49

87.20

27

提供者:Elliott

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85.5。

Keras

LSTM

2019-04-01 22:58:27

10.00

85.50

28

提供者:无名小辈

10.00

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80.95。

Keras

LSTM

2019-04-01 20:44:34

10.00

80.95

29

提供者:fatty

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78.35。

Keras

LSTM

2019-04-03 18:52:37

78.35

30

提供者:Neptune

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78.1。

Keras

LSTM

2019-04-03 00:32:40

78.10

31

提供者:渐行渐远

batch数据为256,循环次数为1500次,损失函数优化完,最终完成评分为63.55。

Keras

LSTM

2019-04-02 15:06:19

63.55

32

提供者:x1554808904

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63.15。

Keras

LSTM

2019-04-09 23:50:24

63.15

33

提供者:杰森

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37.7。

Keras

LSTM

2019-04-15 10:53:48

37.70

34

提供者:Matthew

batch数据为1000,循环次数为10次,损失函数优化完,最终完成评分为22.8。

Keras

LSTM

2019-04-17 05:48:42

22.80

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