这是一个创建于 1858 天前的主题，其中的信息可能已经有所发展或是发生改变。
数据集中 只有一列 id 和 comment 然后 comment 全是中文 这个怎么进行处理？？？ 加特征吗 ？ 那应该加什么特征呢？？？？ 第一次接触文本数据集
 |
1
Liu6 OP 我是萌新 ！！！ 求各位大佬 解答！！！
|
|
2
Liu6 OP QAQ 么大佬解答吗？ QAQ
|
 |
3
SeaRecluse 2019-10-10 09:08:15 +08:00  1
并没有看出哪里特征少，也不知道你是要做 NLP 的什么任务。情感分析？分类？自动回复？
|
|
4
Liu6 OP 这里好像不能发图片 就是一列 iD 一列 评论 类似 商店评论 然后 在预测
|
 |
5
e3kiq0 2019-10-10 09:18:46 +08:00
是不是应该有个具体点的预测目标？
|
 |
6
vsitebon 2019-10-10 09:23:07 +08:00
|
|
7
Liu6 OP @e3kiq0 一列 ID 一列 ｌａｂｅｌ一列 comment label 只有０或１ ０ 代表 comment 中的好评论 １反之 comment 全是中文评论 上面是训练集 对这个训练集 操作 然后对 test 集中的 comment 预测２０００条评论 看是０ 还是１
|
|
9
Liu6 OP 数据包含 2 个 csv 文件：
train.csv：训练集，共 10000 条，使用 UTF-8 编码，comment 和 label 用 Tab 分隔。 字段名称 字段说明 comment comment 即用户评论 label label 是评论的类别，有 0 和 1 两个值 test.csv：测试集，共 2000 条，使用 UTF-8 编码。id 与 comment 用“,”分割。 字段名称 字段说明 id 行的唯一标示，提交时需要一一对应提交结果文件 comment comment 即用户评论 |
|
10
e3kiq0 2019-10-10 09:34:18 +08:00
直接用 comment 学习效果怎么样？
|
|
11
Liu6 OP 比赛链接 www.datafountain.cn/competitions/370 发链接要手机验证 HTTP 我删了
|
 |
12
duanxian1hao 2019-10-10 09:35:37 +08:00
萌新说一下自己的想法，对 comment 进行分析，提取基础的特征，比如说字数；对 comment 按照词粒度生成 embedding，将 comment 转为向量表示；
|
|
13
e3kiq0 2019-10-10 09:39:58 +08:00
[email protected] 能不能分享一下数据？学习一下。感谢 。
|
 |
14
Eleutherios 2019-10-10 09:52:27 +08:00 via iPad 1
等等……#11 的意思是，比赛题不会做了，请外援出出主意？
It is unfair ( |
|
15
Liu6 OP @Eleutherios 不是 我做出来了 但是精度不高 想问下大佬们的 思路 只有 0.57 数据处理 我现在还在优化
|
 |
16
lv2016 2019-10-10 10:15:32 +08:00
之前做过类似的文本情感分类，当时主要定义了一些负样本里常见的特征比如中英文混杂、特定词出现频率等
|
 |
17
TimePPT 2019-10-10 10:22:57 +08:00
这不就是典型的二分类问题么……题目已经很简单了😂
|
|
18
Liu6 OP @TimePPT en 是的 我用的 svm 但是 我数据处理的不是很好 精度不高 主要是 一列是中文 加特征 或者 其他方法 我不知道 怎么选择 萌新 没什么经验 面对中文 应该怎么办
|
|
19
TimePPT 2019-10-10 10:43:58 +08:00 2
@Liu6 算力足够试试 RoBERTa 中文预训练模型？ https://www.jiqizhixin.com/articles/2019-09-05-6
|
 |
21
misaki321 2019-10-10 10:49:16 +08:00
svm 已经不适合这类题目了
用词向量+神经网络 |
|
22
Liu6 OP @misaki321 神经网络一开始有考虑 但是 我 个人觉得 最根本的原因是 数据处理的不好 我把中文 进行了 label 编码 了 我觉得这个是主要原因 我就一直不知道 中文 应该怎么处理
|
 |
23
xwhxbg 2019-10-10 15:46:57 +08:00
bert 中文，把最后一层替换输出就行了，既不用分词也不用手动词向量，更不用手工提取特征
|
|
24
xwhxbg 2019-10-10 16:50:07 +08:00
首先震惊于这个比赛奖励居然是 100w，其次发现这是个训练赛，不知所以。。。
我用 bert 随便跑了一个 epoch，validation acc 0.91 看排行榜基本能进前 50 了。。。 https://colab.research.google.com/drive/1j9cBSsitjm2igaj50u9pwtu56XY3uBYg |
Select Language