NER-CCF2020-HeapOverflow

CCF 2020 competition repo for ID=472

Stage 1 - Midterm Check

赛题介绍

• 赛题背景及意义
• 任务定义及目标 Formal
• 评价指标
• 赛题网址

数据集统计量

• seaborn进行画图
• 分析每个label的分布, 作图分析 (T1)
• 文本长度分布统计 (T2)
• 类别关联度分析, 统计一个类的实体分布的分散或聚拢程度 (T3)

模型架构介绍

• 整体模型图
• 每一层的功能
• 数据流简介
• 强调可实现性

模型优化

• ! 数据集划分使用P次K折交叉验证法, 模型超参数调优
• 对损失函数基于label分布进行调整
• 数据增强提高模型泛化性能
• 考虑拓展数据集

分工计划

• 作图, 大致标记需要干什么事
• 数据预处理 (DXY) (删除异常数据, 数据统计量, label格式化)
• 模型实现 (HZX, KJS)
• 训练过程控制 (LMX)
• 模型优化 (ALL) 具体优化实现需要视情况而定
• Timeline
  • 11.8 海报与PPT制作
  • 11.20 模型实现第一稿完成
  • 12.6 模型性能优化

补充说明

• 11.8 12:00 KJS模型架构及REFERENCE HZX优化和分工介绍 LMX完成数据源统计量及绘图 DXY赛题介绍部分
• 11.8 23:59 DXY 完成PPT制作
• 11.9 10:00 开会讨论海报制作