2020年天池中医药问题生成竞赛解决方案和代码

天池2021“全球人工智能技术创新大赛”【解决方案一】：医学影像报告异常-第三名方案

构建用户、商家、优惠券特征群，以及用户-商家，用户-优惠券，商家-优惠券 三个交叉特征群。 主要包括以下特征： 1.统计特征（最大/最小/平均值/比率 等） 2.排序特征（各个实体对距离，折扣率等的排序） 3.时间特征（日期，时间差等） 从用户画像的角度来看，统计特征和组合特征，主要分别刻画了用户，商家，优惠券的行为，比如，用户领券次数，商家的热度，优惠券的流行度等等。但是，排序特征，更多地从时间角度，和用户心理角度去考虑。比如说，距离领券时间越近，消费的欲望越强，因为如果领取了优惠券而迟迟没有消费，可能用户本身也忘记了这张优惠券的存在。同时，还有对距离的排序，线下商家与用户的距离越近，肯定要比远的商家消费的概率要大的。 三、训练模型 主要使用xgboost模型。该模型精度较高，但训练时间较长。

复赛有三点形式上的变化： (1)采用docker镜像的方法 (2)采用数据流的方法进行预测，即每次预测一个样本，在预测结束之后，后台发送第2个预测样本... (3)采用端到端的方法（吃了大亏，前期没有刷成绩，过早提交了端到端，没有日志，整个过程都是懵的， 最后显示超时，也没有日志，没有成绩，两个月白辛苦了）

天池大赛医学影像报告检测初赛26名代码分享（脱敏文本多标签分类） 介绍 数据：标签制作为one-hot形式，例如[3,4,6]就转为[0,0,0,1,1,0,1,…0]模型：采用nezha_large采用n-gram嵌入（具体见代码） 训练：将训练集，测试集放一起，构建独立词表，进行传销无监督训练，属于脱敏文字的预训练模型，然后再在训练集上微调采用对抗训练（FGM）10折交叉验证 运行 Transformers==4.3.2 torch==1.7.1 main_nezha_pretrain.py是传销训练的代码，先运行这个得到预训练模型下载：网盘然后再在预训练模型上有监督训练（微调）运行main_nezha_kfold.py数据中,pretrain.tsv 是训练测试集的合并

阿里天池-零基础入门NLP - 新闻文本分类

【阿里云天池】零基础入门数据价格：二手车交易价格预测

基础模型采用UNet++网络模型，主干采用ImageNet预训练好的timm-efficientNet-b8并在模型中添加scse注意力机制。 训练好2个模型进行结果融合。 采用FastAI框架进行代码写。 2个模型分别为，（1）数据增强，b8，训练120轮（2）数据增强，b8，训练80轮。 操作系统版本：Linux version 5.8.0-29-generic (buildd@lgw01-amd64-039) (gcc (Ubuntu 9.3.0-17ubuntu1)20.04) 9.3.0, GNU ld (GNU Binutils for Ubuntu) 2.34) #3120.04.1-Ubuntu SMP 星期五 11 月 6 日 16:10:42 UTC 2020 python版本：3.7.9 训练数据处理 对原始数据随机提出 1000 张作为测试集不参与训练。 利用FastAI自带的数据增强库对训练数据进行。 划分20%作为验证集。 训练策略 采用fit_flat_cos训练模式训练80轮，和训练120轮。 采用混合饲养训练。 采用亚当优化器。 在训练过程中保存miou最好的性能模型。 复现流程 执行train.sh文件进行数据划分和模型训练。 执行test.sh文件进行预测。 两个两个模型在 1000 张测试集中进行测试，并计算结果，将两个模型的每个类别的模型性能进行融合，得到最终的每个模型的模型权重，利用 miou 权重进行模型的融合。

参加了天池的一个pdf简历信息提取的比赛，这里进行回顾、整理和分享 赛题要求从pdf简历中提取出信息，可能会让人觉得，籍贯等。这里搭建了一个BiLSTM-CRF模型，从PDF简历中提取出想要的信息。 模型的线上得分是0.727，排名 21/1200+

天池学习赛——街景数字识别 数据集应该输入里面，输入里面csv文件有下载train，val，test的链接