內容主要來自：datawhale_github
簡介：新聞文字理解，賽題資料理解，解題思路
賽題名稱：零基礎入門nlp之新聞文字分類
目標：預處理，模型構建，模型訓練。對新聞文字分類（字元識別）。
賽題資料：按照字元級別進行匿名處理的新聞文字資料，14個類。
構成部分：訓練集（20w樣本），測試集a（5w樣本），測試集b（5w樣本）
資料標籤：label 0-13，text
評測指標：類別 f1_score 的均值
資料讀取：使用 pandas 庫讀取
解題思路：文字分類，需要根據每句的字元進行分類。難點是資料匿名化，不能直接使用中文分詞等操作，需要建模。
b）思路2：fasttext
fasttext是入門級的詞向量，利用facebook提供的fasttext工具，可以快速構建出分類器。
c）思路3：wordvec + 深度學習分類器
wordvec是高階的詞向量，並且通過深度學習分類。深度學習分類的網路結構可以選擇textcnn、textrnn或bilstm。
d）思路4：bert詞向量
bert是高配版詞向量，具有強大的建模學習能力。
總結：之前沒有接觸過nlp，對這方面的網路和研究方法沒有了解，目前只是粗略看了下這些方法的原理，還不是特別明白，在後面具體實踐中希望能夠加深理解吧。
NLP賽事 Task1 賽題理解
賽題理解 賽題資料 賽題資料由以下幾個部分構成 訓練集20w條樣本，測試集a包括5w條樣本，測試集b包括5w條樣本。為了預防選手人工標註測試集的情況，我們將比賽資料的文字按照字元級別進行了匿名處理。資料標籤 在資料集中標籤的對應的關係如下 評測指標 評價標準為類別f1 score的均值，選手提交結果...
nlp入門賽task1 賽題理解
賽題名稱 資料集 賽題資料由以下幾個部分構成 訓練集20w條樣本，測試集a包括5w條樣本，測試集b包括5w條樣本。為了預防選手人工標註測試集的情況，我們將比賽資料的文字按照字元級別進行了匿名處理。資料標籤 處理後的賽題訓練資料如下 在資料集中標籤的對應的關係如下 評價標準為類別f1 score的均值...
Task1 賽題理解
賽題是cv入門級賽題，通過街景字元識別來熟悉cv建模思路和競賽流程。目標為識別街景中的字元。資料集樣本展示如下 評價指標如下 主要考慮兩種思路 傳統cv思路 先將影象二值化處理，然後做傾斜校正，根據投影做字元切割，根據0 9的字元的特徵點與標準字元匹配來進行識別 深度學習思路 本題本質上是分類問題，...