目录
1. 竞赛信息
自然语言处理一直是人工智能领域的重要话题，而人类语言的复杂性也给 NLP 布下了重重困难等待解决。长文本的智能解析就是颇具挑战性的任务，如何从纷繁多变、信息量庞杂的冗长文本中获取关键信息，一直是文本领域难题。随着深度学习的热潮来临，有许多新方法来到了 NLP 领域，给相关任务带来了更多优秀成果，也给大家带来了更多应用和想象的空间。
达观杯文本分类比赛，是篇章级别的长文本分类。输入一段长文本，输出与其对应的类别。
2. 数据
数据包含2个csv文件：
train_set.csv：此数据集用于训练模型，每一行对应一篇文章。文章分别在“字”和“词”的级别上做了脱敏处理。共有四列： 第一列是文章的索引(id)，第二列是文章正文在“字”级别上的表示，即字符相隔正文(article)；第三列是在“词”级别上的表示，即词语相隔正文(word_seg)；第四列是这篇文章的标注(class)。
注：每一个数字对应一个“字”，或“词”，或“标点符号”。“字”的编号与“词”的编号是独立的（没有明文，用数字字符串做了编码）！
test_set.csv：此数据用于测试。数据格式同train_set.csv，但不包含class。 注：test_set与train_test中文章id的编号是独立的。
训练集和测试集的数据量均为102，277，共19个类别，平均长度大约1000+词。
3. 评分标准
评估指标选用macro-f1_score,即每个类别F1_score的算术平均数：
其中，Pi是表示第i个类别对应的Precision， Ri是表示第i个类别对应Recall。
更多分类问题评估指标可以查看我的另一篇博客：https://blog.csdn.net/sdu_hao/article/details/103533115。
