IKCEST國際大數(shù)據競賽賽題解析

第1章2015賽題——“人物關系”
知識挖掘
1.1賽題解析
1.1.1賽題介紹
1.1.2數(shù)據介紹
1.1.3評估指標
1.1.4賽題分析
1.2“人物關系”知識挖掘基礎介紹
1.2.1基于模板的方法
1.2.2基于統(tǒng)計的方法
1.2.3基于神經網絡的方法
1.3數(shù)據處理
1.3.1數(shù)據分析
1.3.2樣本不均衡數(shù)據處理
1.3.3數(shù)據加載
1.4“人物關系”知識挖掘方法探索
1.4.1基于LSTM的關系
抽取
1.4.2基于Transformer的
關系抽取
1.4.3基于預訓練微調的
關系抽取
1.4.4效果對比
1.5模型提升與改進
1.5.1如何利用無標注數(shù)據
1.5.2如何利用實體
屬性數(shù)據
1.5.3總結
第2章2016賽題——提取子句中的
核心實體
2.1賽題解析
2.1.1賽題介紹
2.1.2數(shù)據介紹
2.1.3評估指標
2.1.4賽題分析
2.2實體識別基礎介紹
2.2.1命名實體識別任務
2.2.2詞向量模型
2.2.3基礎方法
2.3數(shù)據處理
2.3.1數(shù)據分析
2.3.2文本序列預處理
2.4核心實體識別
2.4.1核心實體識別模型
2.4.2損失函數(shù)
2.4.3維特比算法
2.4.4核心實體識別實驗
2.4.5識別結果分析
2.5模型提升與改進
2.5.1K折交叉驗證
2.5.2對抗訓練
2.5.3總結
第3章2017賽題——寵物分類
3.1賽題解析
3.1.1賽題介紹
3.1.2數(shù)據介紹
3.1.3評估指標
3.1.4賽題分析
3.2計算機視覺基礎介紹
3.2.1計算機視覺任務
3.2.2計算機視覺基礎 
3.2.3傳統(tǒng)圖像分類及實踐
3.2.4神經網絡圖像分類及
實踐
3.3數(shù)據處理
3.3.1數(shù)據預處理
3.3.2數(shù)據增強
3.4圖像分類網絡及方法
3.4.1經典分類網絡
3.4.2VGG網絡Paddle
實現(xiàn)
3.5算法提升與改進
3.5.1進階的分類模型
3.5.2目標檢測
第4章2018賽題——商家招牌
分類
4.1賽題解析
4.1.1賽題介紹
4.1.2數(shù)據介紹
4.1.3評估指標
4.1.4賽題分析
4.2目標檢測基礎介紹
4.2.1目標檢測概述
4.2.2模型調研
4.2.3經典二階段目標
檢測算法
4.2.4經典一階段目標
檢測算法
4.3數(shù)據處理
4.3.1數(shù)據預處理
4.3.2數(shù)據加載
4.3.3數(shù)據增強
4.4算法提升與改進
4.4.1比賽模型
4.4.2結果分析與改進
第5章2019賽題——基于衛(wèi)星遙感影
像和用戶行為的城市區(qū)域
功能分類
5.1賽題解析
5.1.1賽題介紹
5.1.2數(shù)據介紹
5.1.3評估指標
5.1.4賽題分析
5.2多模態(tài)分類基礎介紹
5.2.1算法架構
5.2.2模型融合
5.3多模態(tài)數(shù)據探索
5.3.1文本和圖像數(shù)據的
讀取
5.3.2數(shù)據分析
5.3.3特征工程
5.4城市區(qū)域功能分類
5.4.1遙感影像分類
5.4.2用戶到訪數(shù)據分類
5.5城市區(qū)域功能分類特征優(yōu)化
5.5.1區(qū)域→用戶→區(qū)域的
特征構建
5.5.2區(qū)域→區(qū)域的
特征構建
5.6模型提升與改進
第6章2020賽題——高致病性傳染病的
傳播趨勢預測
6.1賽題解析
6.1.1賽題介紹
6.1.2數(shù)據介紹
6.1.3評估指標
6.1.4賽題分析
6.2時間序列建?；A方法介紹
6.2.1時間序列模型簡介
6.2.2GBDT簡介
6.3數(shù)據及特征工程
6.3.1特征選擇
6.3.2特征構建
6.3.3回歸值預處理
6.4城市每日新增感染人數(shù)
預測算法
6.4.1特定數(shù)值填充
6.4.2時間序列模型
6.4.3SEIR模型
6.5區(qū)域每日新增感染人數(shù)
占比預測算法
6.5.1回歸數(shù)據生成
6.5.2區(qū)域新增感染人數(shù)
占比預測
6.5.3實驗結果分析
6.6模型提升與改進
第7章2021賽題——基于車載影像的
實時環(huán)境感知
7.1賽題解析
7.1.1賽題介紹
7.1.2數(shù)據介紹
7.1.3評估指標
7.1.4賽題分析
7.2目標檢測與圖像分割
基礎介紹
7.2.1目標檢測概述
7.2.2圖像分割概述
7.2.3常用語義分割算法
UNet與DeepLabV3
7.2.4UNet代碼實踐解析
7.3交通目標檢測任務
7.3.1目標檢測任務解析與
數(shù)據探索
7.3.2數(shù)據預處理
7.3.3目標檢測基準模型： 
Yolov5
7.3.4算法模型與改進
7.4交通劃線語義分割任務
7.4.1語義分割任務解析與
數(shù)據探索
7.4.2數(shù)據預處理
7.4.3語義分割基準
模型HRNet
7.4.4算法模型與改進
7.5算法結果分析與改進策略
7.5.1算法改進策略及評估
指標提升
7.5.2算法推理加速策略
7.5.3總結
第8章2022賽題——“一帶一路”重點
語種法俄泰阿與中文互譯
8.1賽題解析
8.1.1賽題介紹
8.1.2數(shù)據介紹
8.1.3評估指標
8.1.4賽題分析
8.2機器翻譯基礎介紹
8.2.1機器翻譯概述
8.2.2經典機器翻譯模型
8.2.3經典機器翻譯預
訓練模型
8.3比賽方法——基于領域漸進性的
可持續(xù)多語言翻譯訓練方案
8.3.1數(shù)據收集與預處理
8.3.2雙語平行語料構建
8.3.3多語翻譯模型
選擇與改進
8.3.4領域漸進可持續(xù)
訓練方法
8.4算法結果分析與高金策略
8.4.1結果分析
8.4.2高金策略——多模型
集成方法
8.4.3總結
第9章2023賽題——社交網絡中多
模態(tài)虛假信息甄別
9.1賽題解析
9.1.1賽題介紹
9.1.2數(shù)據介紹
9.1.3評估指標
9.1.4賽題分析
9.2模型基礎介紹
9.2.1虛假信息甄別
任務概述
9.2.2大語言模型概述
9.2.3多模態(tài)大模型概述
9.2.4ViT與ERNIE
9.2.5ERNIE代碼實踐解析
9.3比賽方法
9.3.1任務解析
9.3.2數(shù)據處理
9.3.3模型方法
9.3.4成果提交與推理
9.3.5實驗結果
9.4模型改進與總結
9.4.1模型改進
9.4.2總結
參考文獻