【NLP数据竞赛】“达观杯”文本智能处理挑战赛（一）数据初识

一、竞赛介绍

网址：http://www.dcjingsai.com/common/cmpt/“达观杯”文本智能处理挑战赛_竞赛信息.html

任务：建立模型通过长文本数据正文(article)，预测文本对应的类别(class)   

数据：包含两个csv文件
1、train_set.csv：此数据集用于训练模型，每一行对应一篇文章。文章分别在“字”和“词”的级别上做了脱敏处理。共有四列： 第一列是文章的索引(id)，第二列是文章正文在“字”级别上的表示，即字符相隔正文(article)；第三列是在“词”级别上的表示，即词语相隔正文(word_seg)；第四列是这篇文章的标注(class)。 注：每一个数字对应一个“字”，或“词”，或“标点符号”。“字”的编号与“词”的编号是独立的！
2、test_set.csv：此数据用于测试。数据格式同train_set.csv，但不包含class。 注：test_set与train_test中文章id的编号是独立的。

评分标准：

binary-classification
采用各个品类F1指标的算术平均值，它是Precision 和 Recall 的调和平均数。