2015年第一届百度&西安交通大学大数据竞赛

主办方

主办方：

百度公司、西安交通大学

赛制安排

报名时间：2015年05月10日 00时00分 ——2015年08月10日 23时59分

      参赛选手在大赛官网注册报名openresearch.baidu.com

比赛时间－提供训练数据集：2015年05月10日 00时00分 ——2015年08月05日 23时59分

比赛时间－提供测试数据集：2015年08月06日 00时00分 ——2015年08月20日 23时59分

      获取测试数据集请加入QQ群482699741 （加群验证信息“学校+真实姓名”）

作品评选：2015年08月28日 00时00分 ——2015年09月08日 23时59分

      在线提交输出结果，成绩显示在排行榜中；

作品评选：2015年09月09日 00时00分 ——2015年09月21日 23时59分

      取排行榜前10，验证模型、算法； 获奖选手通知：对获胜选手进行通知，邀请获胜选手参加颁奖典礼

参赛对象及要求

本次竞赛面向全国大学生

奖项设置

奖项类别名称

一等奖：每队奖金20000元

二等奖：每队奖金10000元

三等奖：每队奖金5000元

其他

数据结构
数据文件结构： ---train (训练数据文件夹) ---key_entities_list (核心实体列表文件) ---entity_tupu(实体圈子文件夹) ---entity_tupu.zhaowei (赵薇的圈子文件) ---entity_tupu.wangfei（王菲的圈子文件） ---entity_tupu.liudehua（刘德华的圈子文件） ……… ---entity_sentence（实体句子文件夹） ---entity_sentence.zhaowei（赵薇的圈子句子文件） ---entity_sentence.wangfei（王菲的圈子句子文件） ---entity_sentence.liudehua(刘德华的圈子句子文件) ---relation_train (关系训练数据文件夹) ---task1.trainSentence（全量训练集） ---entity_attribute（实体属性文件夹） --- attribute（实体属性文件） ---test（测试训练数据文件夹） ---test_key_entities_list (核心实体列表文件) ---test_entity_sentence(实体句子文件夹) ---test_entity_sentence.yunan(余男的圈子句子文件) ---test_entity_sentence.guangliang(光亮的圈子句子文件) …… 训练数据 1、实体列表 文件名：key_entities_list 内容 ：200个核心实体名称及其id。 格式 ：entity + ‘\t’ + id 2、实体圈子。 内容：针对100个核心实体，每个核心实体给出其关系网络数据，保存在一个以实体名为后缀的文件内 文件名：entity_tupu.实体名，例如：entity_tupu.zhaowei （赵薇的关系网络）. 全部文件放在entity_typu 文件夹。 格式：关系 + \t + 实体S + \t + 实体O + \t + 实体S的id + \t+ 实体O的id + \t + 所在的层（核心实体与直接关系实体位于第一层，其余依次类推，共3层） entity_tupy.linyilian:林忆莲的关系网络第一层数据 3、实体句子。 内容 ：针对每个核心实体，给出包含该实体或可能关联实体的句子集合，全部句子保存在一个以实体名为后缀的文件内 文件名：entity_sentence.实体名，例如：entity_sentence.zhaowei。 全部文件放在entity_sentence 文件夹。 格式：句子 + \t + 实体1名称 + \t + 实体1ID + \t + 实体2名称 + \t +实体2ID + ……(可能有多个实体) entity_sentence.赵薇: 赵薇的关系网络第一层数据 4、关系类型训练数据 分为20种关系："老师","儿子","队友","妻子","哥哥","旧爱","祖父","同学","姐姐","女婿","撞衫","撞脸","前妻","前女友","老乡","传闻不和","经纪人","绯闻女友","闺蜜","偶像" 训练评估集合：每个类型大约1500条语料，task1.trainSentence 关系名 \t 实体S \t 实体O \t 句子 \t 正负例（1正例/0负例） \t flag（train训练集、test测试集、实体S的id \t 实体S的url \t 实体O的id \t 实体O的url Id、url如果缺失用‘~’代替 5、实体kv：attribute 对于语料中出现的实体，会提供知识库相关属性信息，如：出生日期、性别等 随机id，实体id，属性名1，属性值1……属性名n，属性值n。 中间用tab分隔 测试数据 1、实体列表 文件名：test_key_entyties_list 内容 ：50个核心实体名称及其id。 格式 ：entity + ‘\t’ + id 2、实体句子。 内容 ：针对50个核心实体，对于每个核心实体，给出包含该实体或可能关联实体的句子集合 文件名：test_entity_sentence.实体名，例如：test_entity_sentence.yunan 。 全部文件放在test_entity_sentence文件夹。 格式：句子 + \t + 实体1名称 + \t + 实体1ID + \t + 实体2名称 + \t +实体2ID + ……(可能有多个实体) 3. 实体kv：attribute 对于测试数据中出现的实体，会提供知识库相关属性信息，如：出生日期、性别等 在竞赛网站注册为参赛者后可致信openresearch@baidu.com获取百度网盘的下载地址,训练数据集在LINUX系统下解压缩。 （百度所提供的竞赛数据，只可用于非商业用途的学习研究工作） 参考解压缩命令：cat train.tar.bz.0*|tar -jx 查看官网：http://openresearch.baidu.com/activitycontent.jhtml?channelId=933