2018NLP达观杯复盘

2018年NLP达观杯-复盘

• 前言

• 数据预处理

• • 拆分数据
  • 合并数据
  • 选择需要的数据

• 特征工程化：

  • 构建分类模型：

    • 生成预测结果：
      • 持久化存储预测结果：
        • 实现数据的多维度特征提取方法：
          • 将数据集分为训练集与验证集；
        • 设计自适应参数优化过程；
          • 应用评估指标函数进行模型评估；
            • 采用k折交叉验证技术以提高模型可靠性；
              • 提升模型在评估指标上的表现。

  • 总结

前言

我是一名就读于xx学校的研究生二年级学生，在系统学习过机器学习约一年时间后又深入钻研过深度学习技术大约半年。尽管如此，在实际应用中仍面临诸多挑战。在寻找实习机会的过程中，在面试中被问及了一些理论知识基础对于这些问题的回答往往不够理想。而当需要推导相关公式时，则表现出明显的困难。

之前我也曾与我的大哥（一位能力出众的技术专家，在微软实习）共同参与过蚂蚁金服所举办的文本相似度计算领域的NLP比赛，在项目中我们主要应用了包括TextCNN、LSTM等在内的多种深度学习算法进行建模与训练。然而，在参与过程中由于较为马虎，并未对代码运行机制进行深入解析与分析，在实际操作中仅