Datawhale AI夏令营3(NLP)实践：基于论文摘要的文本分类 - 深度学习Topline方案
输入“/”快速插入
Datawhale AI夏令营3(NLP)实践：基于论文摘要的文本分类 - 深度学习Topline方案
飞书用户63382023年8月15日创建
527
1015
4
1
🏆
Topline方案：预训练微调+特征融合+后处理
GPU：NVIDIA V100 *1
模型训练时间：约12分钟🚀
模型推理时间：约2秒🚀
Author：净好
一、赛题介绍
比赛链接：
https://challenge.xfyun.cn/topic/info?type=abstract-of-the-pape
只需要完成分类任务：
1.
机器通过对论文摘要等信息的理解，判断该论文是否属于医学领域的文献。
任务1示例：
输入：
论文信息，格式如下：
Inflammatory Breast Cancer: What to Know About This Unique, Aggressive Breast Cancer.，
[Arjun Menta, Tamer M Fouad, Anthony Lucci, Huong Le-Petross, Michael C Stauder, Wendy A Woodward, Naoto T Ueno, Bora Lim]，
Inflammatory breast cancer (IBC) is a rare form of breast cancer that accounts for only 2% to 4% of all breast cancer cases. Despite its low incidence, IBC contributes to 7% to 10% of breast cancer caused mortality. Despite ongoing international efforts to formulate better diagnosis, treatment, and research, the survival of patients with IBC has not been significantly improved, and there are no therapeutic agents that specifically target IBC to date. The authors present a comprehensive overview that aims to assess the present and new management strategies of IBC.，
Breast changes; Clinical trials; Inflammatory breast cancer; Trimodality care.
输出：
是
二、比赛数据及评估结果
1.数据说明
训练集与测试集数据为CSV格式文件，各字段分别是标题、作者、摘要、关键词。
2.评估指标
任务一采用F1-score进行评价：
三、比赛数据集分析
1.比赛须知
通过论文标题、摘要、作者这三个信息来判断该文献是否属于医学领域的文献，是则标签为1，不是则标签为0
2.数据集分析
问题一：数据集中的样本数目是多少？
答：训练集有6000条样本，测试集有2000条样本。
经验：这个训练集大小对于分类任务来说已经足够了，再加上判断医学文献的这个二分类任务较为简单，所以用预训练微调的方法能取得很高的分数。
问题二：训练集中的样本数量是否均衡？
答：正样本共2921条，负样本共3079条。
经验：这个比例还算是均衡的，不需要做什么处理。