新闻文本分类
本赛题为新闻文本,共有14个类别,属于少量类别的多分类。训练集共20w条,测试集分A/B,分别为5w条。赛题文本token化,防止作弊。
赛题目标
既然文本已经token化,那么便不可以在预处理方面做多少文章了。主要目的在于网络和超参的选择上。
数据简单分析
为了方便查看和更新,写在了github中~
https://github.com/mathCrazyy/datawhale_cnews/blob/master/ana_cnews_data.ipynb
评价标准
赛题使用f1作为评价指标。未来我们需要追求acc和recall的平衡,主要通过不同的网络以及超参来进行调节。
赛题数据下载
train_set.csv.zip,训练集数据(选手需要自行解压),236.11MB,https://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531810/train_set.csv.zip
test_a.csv.zip,测试集A榜数据(选手需要自行解压),59.12MB,https://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531810/test_a.csv.zip
test_a_sample_submit.csv,测试集A榜提交样例,97.66KB,https://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531810/test_a_sample_submit.csv