开课吧&后厂理工学院 百度NLP项目2：百度试题数据集多标签文本分类
原始数据集为高中下地理,历史,生物,政治四门学科数据，每个学科下各包含第一层知识点，如历史下分为近代史,现代史,古代史。
原始数据示例：
[题目]
我国经济体制改革首先在农村展开。率先实行包产到组、包产到户的农业生产责任制的省份是（ ）
①四川 ②广东 ③安徽 ④湖北A. ①③B. ①④C. ②④D. ②③题型: 单选题|难度: 简单|使用次数: 0|纠错复制收藏到空间加入选题篮查看答案解析答案：A解析：本题主要考察的是对知识的识记能力，比较容易。根据所学知识可知，在四川和安徽，率先实行包产到组、包产到户的农业生产责任制，故①③正确；②④不是。所以答案选A。知识点：
[知识点：]
经济体制改革,**的振兴
对数据处理：
- 将数据的[知识点：]作为数据的第四层标签，显然不同数据的第四层标签数量不一致
- 仅保留题目作为数据特征，删除[题型]及[答案解析]
- fasttest
- textcnn
- gcn
GCN with Multi Labels
GCN_AAAI2019
ps: 4x2080Ti 显存不足以支持
tf.sparse_tensor_dense_matmul(x, y)[layer.py line 33] 使用CPU训练即可
- bert
- xlnet(doing)
| 数据集 | 模型 | 类别 | Acc | Micro-F1 | Macro-F1 | 备注 |
|---|---|---|---|---|---|---|
| Baidu | FastText | 95 | - | 0.421 | 0.234 | epoch 1000, ngram 5, dim 50 |
| Baidu | TextCnn | 95 | - | 0.00478 | 0.028 | epoch 10, lr 0.005, padding 128 |
| Baidu | GCN | 95 | - | 0.8755 | 0.6914 | gcn |
| Baidu | BERT | 21 | 0.7958 | 0.941 | 0.163 | BERT 3 layers labels result |
| Baidu | BERT | 95 | 0.5788 | 0.917 | 0.781 | only BERT |
学员：张*宁同学
推荐理由：项目代码完整，笔记清晰有调理
地址：https://github.com/Light2077/Text-Classification
学员：邓*勇同学
推荐理由：项目代码结构清晰，完整，使用tensorflow-serving+nvidia-docker+grpc部署roberta模型
地址：https://github.com/DengYangyong/exam_annotation
这个学员有自己的公众号，写的非常棒，地址：https://mp.weixin.qq.com/s/PgC7lZxikKyGMlMNpnOLLA
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent