kaggle競(jìng)賽題目解析！

Kaggle 上的比賽有很多種，比如獎(jiǎng)金很高的“Featured”、相對(duì)平民化的“Research”等等。?但它們的整體項(xiàng)目模式是相同的，即通過模型作者給出的訓(xùn)練集，然后利用測(cè)試集計(jì)算結(jié)果進(jìn)行評(píng)比。今天對(duì) kaggle學(xué)術(shù)活動(dòng)題目進(jìn)行解析！

比賽名稱：美國(guó)專利短語匹配

您能否從源自發(fā)明的基于文本的大型數(shù)據(jù)集中提取意義？這是您這樣做的機(jī)會(huì)。

比賽鏈接：https://www.kaggle.com/c/us-patent-phrase-to-phrase-matching

比賽類型：文本匹配

比賽背景您能否從源自發(fā)明的基于文本的大型數(shù)據(jù)集中提取意義？這是您這樣做的機(jī)會(huì)。
在本次比賽中，您將在一個(gè)新穎的語義相似性數(shù)據(jù)集上訓(xùn)練您的模型，以通過匹配專利文檔中的關(guān)鍵短語來提取相關(guān)信息。在專利檢索和審查過程中，確定短語之間的語義相似性對(duì)于確定之前是否已經(jīng)描述過一項(xiàng)發(fā)明至關(guān)重要。

例如，如果一項(xiàng)發(fā)明聲稱是“電視機(jī)”，而先前的出版物描述了“電視機(jī)”，那么理想情況下，模型會(huì)識(shí)別出它們是相同的，并幫助專利代理人或?qū)彶閱T檢索相關(guān)文件。這超出了釋義識(shí)別；如果一項(xiàng)發(fā)明聲稱是“堅(jiān)固的材料”而另一項(xiàng)發(fā)明使用“鋼”，那也可能是匹配的。比賽任務(wù)您能否建立一個(gè)模型來匹配短語以提取上下文信息，從而幫助專利界將數(shù)百萬個(gè)專利文件之間的點(diǎn)聯(lián)系起來？

評(píng)價(jià)指標(biāo)根據(jù)預(yù)測(cè)和實(shí)際相似度s之間的Pearson 相關(guān)系數(shù)評(píng)估提交的內(nèi)容。

對(duì)于測(cè)試集中的每個(gè)id（代表一對(duì)短語），您必須預(yù)測(cè)相似度score。

id,score
4112d61851461f60,0
09e418c93a776564,0.25
36baf228038e314b,1
etc.

數(shù)據(jù)描述在這個(gè)數(shù)據(jù)集中，你會(huì)看到成對(duì)的短語（一個(gè)anchor和一個(gè)target短語），并要求你在從 0（完全不相似）到 1（含義相同）的范圍內(nèi)評(píng)估它們的相似程度。

這是一場(chǎng)代碼學(xué)術(shù)活動(dòng)，您將在其中提交將針對(duì)看不見的測(cè)試集運(yùn)行的代碼。未見過的測(cè)試集包含大約 12k 對(duì)短語。

分?jǐn)?shù)在 0-1 范圍內(nèi)，含義如下：

1.0 - 非常接近的匹配。這通常是完全匹配的，除了可能在共軛、數(shù)量（例如單數(shù)與復(fù)數(shù)）以及添加或刪除停用詞（例如“the”、“and”、“or”）方面的差異。0.75 - 近義詞，例如“手機(jī)”與“手機(jī)”。這也包括縮寫，例如“TCP”->“傳輸控制協(xié)議”。0.5 - 含義不同的同義詞（相同的功能，相同的屬性）。這包括寬窄（下位詞）和寬窄（下位詞）匹配。0.25 - 有些相關(guān)，例如這兩個(gè)短語在同一個(gè)高級(jí)域中但不是同義詞。這也包括反義詞。0.0 - 不相關(guān)。

文本說明：train.csv - 訓(xùn)練集，包含短語、上下文及其相似度分?jǐn)?shù)test.csv - 測(cè)試集，結(jié)構(gòu)與訓(xùn)練集相同，但沒有分?jǐn)?shù)sample_submission.csv - 格式正確的示例提交文件

比賽賽程

2022年6月13日：報(bào)名截止日期。您必須在此日期之前接受比賽規(guī)則才能參加比賽。

2022年6月13日：團(tuán)隊(duì)合并截止日期。這是參與者加入或合并團(tuán)隊(duì)的最后一天。

2022年6月20日：最終提交截止日期。

賽題獎(jiǎng)金1st Place - $12,000

2nd Place - $8,0003rd Place - $ 5,000解題思路賽題是一個(gè)典型的NLP文本相似度賽題，因此考慮使用Word2vec 或 BERT模型來完成?？梢钥紤]使用外部數(shù)據(jù)集，爬取美國(guó)專利文本數(shù)據(jù)，構(gòu)建外部知識(shí)圖譜。

每天Kaggle算法學(xué)術(shù)活動(dòng)、干貨資訊匯總

可以掃描下方二維碼咨詢，了解詳細(xì)備賽計(jì)劃！

以上就是關(guān)于【kaggle競(jìng)賽題目解析！】的解答，如需了解學(xué)校/賽事/課程動(dòng)態(tài)，可至翰林教育官網(wǎng)獲取更多信息。

往期文章閱讀推薦：

2026五大奧賽中國(guó)隊(duì)斬獲四個(gè)世界第一，全員金牌收官！

??2027年QS最佳留學(xué)城市排名發(fā)布！倫敦位列第三，北美竟無緣Top10 ？