该博客介绍了Kaggle上的Feedback Prize比赛，目标是将6-12年级学生的议论文中的论据元素分类为有效、充分或无效。比赛数据包括train和test CSV文件及相应的文本文件，参赛者需建立模型进行三分类任务。建议使用最先进的模型如deBERTa v3进行训练，并通过模型融合优化结果。
1.比赛调研
1.1 比赛链接
Feedback Prize - Predicting Effective Arguments | Kaggle
1.2 比赛周期
5.24-8.23
1.3 比赛的快速介绍
本次比赛的目标是将学生写作中的争论元素分类为“有效”、“充分”或“无效”。您将创建一个使用代表美国 6 至 12 年级人口的数据进行训练的模型，以尽量减少偏差。来自本次比赛的模型将有助于为学生获得关于他们的议论文的更多反馈铺平道路。借助自动指导，学生可以完成更多作业，最终成为更自信、更熟练的作家。
总结，是一个nlp的分类任务，需要对议论文(essay)里面的话语元素(disclouse)进行分类，总共有3类，有效，充分或者无效。话语元素是议论文里面的一段话，到时候分类可以直接根据话语元素进行分类，也可以增加议论文的内容进行分类。
1.4 数据描述
最低0.47元/天 解锁文章
扫一扫
808
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
