目录

  • 赛题描述及数据说明
    • 数据说明
    • 数据格式
  • 评测方案
    • 计算公式：
    • macro f1
      • sklearn 计算方式 (python):
  • 赛题分析
    • 多任务学习
      • 多任务学习动机
    • 模型结构
      • 硬共享模式
      • 软共享模式
      • 共享-私有模式
    • loss优化
  • 代码实践
    • Step 1:环境准备
    • Step 2：数据读取
      • 1) 数据集合并
      • 2)标签编码
      • 3) 数据信息查看
    • Step 3: 数据分析（EDA）
      • 1) 子句长度统计分析
      • 2)统计标签的基本分布信息
    • Step 4: 预训练模型选择
      • 1) 模型选择
      • 2) 调优参数配置
    • Step 5: 模型构建
      • 1) 切分数据集（Train,Val）进行模型训练、评价
        • keras.backend.clip(x, min_value, max_value)
        • keras.backend.round()
        • keras.backend.epsilon()
      • 2) 构造输入bert的数据格式
        • to_categorical
      • 3) 模型搭建
      • 4) 模型训练
      • 5) 输出结果

更多文章请关注《万象专栏》