广告传媒业自然语言处理案例套装

作者

案例目录

1、腾讯广告算法大赛

编号标题AI问题数据集价值解决方案文件包
1腾讯2021广告算法大赛赛道2-多模态视频广告标签多模态AI建模以视频、音频、文本三个模态作为输入数据集，针对测试视频样本预测出视频在呈现形式、场景、风格等三个维度上的标签。利用视频ViT-Large、图像EfficientNet、文本BERT等预训练模型，结合了视觉、音频和文本信息进行多模态视频处理AI建模。AiS-NLP-Retail-Tencent2021-Ad-Task2-Video-Tagging-4.63GB
2腾讯2020广告受众基础属性预估大赛特征提取、语义相似度识别基于腾讯广告用户在3个月的时间窗口内的广告点击历史记录，预估广告受众的基础属性。广告历史曝光特征提取、词嵌入等建模技术AiS-NLP-Retail-Tencent2020-Ad-User-Property-Predict-870MB
3腾讯2019算法大赛-广告曝光预估-初赛特征提取、语义相似度识别基于腾讯广告对用户的历史曝光日志记录了用户与广告的交互行为（如曝光、点击、转化等），推断用户长期/短期兴趣，分析广告在不同场景下的表现，优化投放策略。广告历史曝光特征提取、词嵌入等建模技术AiS-NLP-Retail-Tencent2019-Social-Advertising-Preliminary-3.8GB
4腾讯2018广告算法大赛-Lookalike相似人群拓展特征提取、语义相似度识别基于腾讯广告的相似社交用户数据集，通过用户画像客户分群，支持广告精准投放降低获客成本。广告受众特征提取、LightGBM梯度提升框架AiS-NLP-Retail-Tencent2018-Ad-LookAlike-User-Explore-8GB

2、科大讯飞AI开发者大赛

基于大语言模型的应用开发案例。

编号标题AI问题数据集价值解决方案文件包
1科大讯飞2021中文问题相似度挑战赛暨词向量模型构建语义相似度识别数据集为约5千条问题对和标签。若两个问题是相同的问题，标签为1，否则为0。利用该数据集构建词向量模型。使用gensim构建词向量模型AiS-NLP-Media-iFLYTEK2021-Chinese-Problem-Similarity-12MB
2科大讯飞2021学术论文分类挑战赛暨SGDClassifier分类器构建文本分类5万篇论文训练集，每篇论文都包含论文id、标题、摘要和类别四个字段。基于该数据集构建论文分类模型。SGDClassifier分类器AiS-NLP-Media-iFLYTEK2021-Academic-Papers-Classification-24MB
3科大讯飞2022基于论文摘要的文本分类与查询性问答文本分类基于包括标题、作者、引用、摘要、DOI、Topic(Label)属性信息的论文数据集，支持论文分类。使用TF-IDF评估一个词语在文档集合或语料库中的重要性、构建bert-base-uncased模型AiS-NLP-iFLYTEK2022-bert-base-uncased-Text-Classification-On-Abstracts-40MB
4科大讯飞2021中文成语填空挑战赛文本生成给定句子的上下文，完成合适的成语填入对应位置。chinese-xlnet-base模型AiS-NLP-Media-chinese-xlnet-base-iFLYTEK2021-Chinese-Idioms-Filling-28MB
5科大讯飞2022疫情微博情绪识别挑战赛文本分类基于正向情绪和负面情绪的微博文本进行微博情绪识别TF-IDF&BERT-base-Chinese模型AiS-NLP-Media-bert-base-chinese-iFLYTEK2022-Weibo-Emotion-Recognition-12MB
6科大讯飞2022汽车领域多语种迁移学习挑战赛文本分类AiS-NLP-iFLYTEK2022-Automotive-Multi-Language-Transfer-2MB/科大讯飞智能汽车BU提供车内人机交互中文、中英、中日语料数据集。通过NLP相关人工智能算法来实现汽车领域多语种迁移学习，进行意图分类及关键信息抽取。TF-IDF&逻辑回归模型AiS-NLP-iFLYTEK2022-Automotive-Multi-Language-Transfer-2MB
7科大讯飞2023-ChatGPT生成文本检测器文本分类数据集为中文作文样本，其中从互联网上采集得到了真实作文，并且使用ChatGLM-6B生成了部分作文。构建一个文本分类模型，以区分真实对话和由ChatGPT生成的对话文本。TF-IDF&逻辑回归模型AiS-NLP-iFLYTEK2023-ChatGPT-Generate-Text-Detector-24MB
8科大讯飞2022 中文对话文本匹配挑战赛语义相似度识别基于对话文本语义匹配数据集，根据问题识别出正确的待匹配文本，给定两个问题，判定该问题对语义是否匹配。bert-base-chinese模型AiS-NLP-Media-bert-base-chinese-iFLYTEK2022-Chinese-Dialogue-Text-Matching-2MB
9科大讯飞2022-机器翻译质量评估挑战赛语义相似度识别挖掘中英人工翻译及评分数据价值，采用合适的算法评估机器翻译质量。使用Qwen1.5-1.8B-Chat大型语言模型进行文本生成和翻译。使用bge-small-zh-v1.5模型计算文本相似度。AiS-NLP-Meida-iFLYTEK2022-Translation-Quality-2MB

3、其他竞赛活动

编号标题AI问题数据集价值解决方案文件包
1蚂蚁金服2024全球AI攻防挑战赛-赛道1-大模型生图安全疫苗注入安全通过为大模型注入生成式“风险疫苗”，透视大模型生图潜在弱点和漏洞，进一步增强、健全大模型生图的安全免疫抵抗系统。基于Qwen1.5-4B-Chat模型，进行安全疫苗注入。AiS-NLP-Media-AntGroup2024-AI-Defense1-Safe-Vaccine-1MB
2人民网2022赛题1-训练一个对话生成模型文本生成训练一个对话生成模型基于百度中文对话模型PLATO-Mini，根据给定的数据集，训练一个对话生成模型，基于文本内容自动生成自然流畅、信息丰富、符合话题场景的回复内容。AiS-NLP-Media-PeopleNet2022-1-Dialogue-Generation-13MB
3人民网2022赛题2-话题识别文本分类利用包括微博文本数据及对应的话题标签的数据集，支持微博话题识别。PaddleNLP框架、基于模型ERNIE3进行微博话题分类训练。AiS-NLP-Media-PeopleNet2022-2-Topic-Recognition-5MB
4人民网2022赛题3-微博流行度预测回归预测问题利用166万条微博传播数据集，预测微博的流行度包括评论数、转发数和点赞数。LightGBM算法支持多目标预测、特征工程。AiS-ML-Media-PeopleNet2022-3-Weibo-Popularity-Prediction-172MB
5CCF-BDCI-2021-客服通话文本摘要提取文本摘要提取联通客服中心通话文本数据集，包括25,001条训练数据和7,526条测试数据。挖掘海量客服通话数据，采用合适的算法精准提取文本摘要。文本摘要提取PEGASUS模型、PaddleNLP开发框架AiS-NLP-Media-CCF-BDCI-2021-Customer-Service-Text-Summary-60MB
6CCF-BDCI-2021-爱奇艺剧本角色情感识别文本分类爱奇艺标注团队针对部分电影剧本的情感标注数据集，包括42,790条训练数据和21,376条测试数据。预测剧本角色情感。支持BERT模型Transformers开发库、chinese-roberta-wwm-ext等5种模型AiS-NLP-Media-CCF-BDCI-2021-iQiyi-Script-Character-Emotion-Recognition-12MB
7AiWin2023市场研究分析报告类型识别文本分类10种类型的市场研究分析报告，报告总数为3,122个。支持市场研究分析报告类型识别。chinese-roberta-wwm-ext模型、transformers开发框架AiS-NLP-Media-AIWIN2023-Identification-Of-Research-Report-Types-6MB
8HW-DIGIX-2021-赛题2-文章质量PU-BERT联合预测文本分类包括576,454条训练文章数据和45,285条测试数据。是一种正样本（P）和未标记样本（U）的PU数据集。PU-BERT联合预测，PU学习高效处理未标记数据问题，bert-base-chinese模型提供强大的语义理解能力。transformers开发框架。AiS-NLP-Media-HW-DIGIX2021-2-Article_Quality_Discrimination-820MB

4、经典案例

以下数据集应用的AI场景都是文本分类。

编号标题数据集价值解决方案文件包
1Standford2011电影评论数据集ACLIMDB应用于情感分类支持电影评论的情感分类—AiS-NLP-Media-DataSet-Standford-Movie-Review-ACLIMDB-2011-80MB
2新浪网2005-2011年新闻分类数据集和工具包文本分类—AiS-NLP-Meida-DataSet-THUCNews-Sina-2005-2011-1.6GB
3新浪2005-2011年新闻标题分类数据集文本分类—AiS-NLP-Media-DataSet-THUCNews-Sina-Title-2005-2011-190MB
4北京大学2005中文分词数据集icwb2-pku中文分词—AiS-NLP-Media-DataSet-icwb2-pku-2005-4MB
5Miranda2011垃圾短信分类数据集垃圾短信分类—AiS-NLP-Media-DataSet-Spam-SMS-Miranda-2017-1MB
6中文数据集：维基百科、新闻、百科、社区问答训练中文数据—AiS-NPL-Media-Chinese-DataSet-Wiki-10GB
7Twitter2009情感分析数据集Sentiment140文本情感分析—AiS-NLP-Media-DataSet-Twitter-Sentiment140-2009-84MB
8BBC2007新闻分类数据集文本分类—AiS-NLP-Media-DataSet-BBC-News-Classification-2007-2MB
9Reuters-21578文本分类集合1987文本分类—AiS-NLP-Media-DataSet-Reuters-21578-Text-Categorization-1987-8MB
10Lifferth2017虚假新闻数据集识别虚假新闻—AiS-NLP-Media-DataSet-Fake-News-William-Lifferth-2017-48MB

5、逻辑推理案例

编号标题AI问题数据集价值解决方案文件包
1CCF-BDCI-2020-小学数学应用题数据集和自动解题逻辑推理数据来源于K12真实教育场景，用于训练模型解数学题的逻辑推理能力。Graph-to-Tree (GTS) Learning 是一种结合图结构（Graph）和树形解码（Tree Decoding）的深度学习框架，主要用于解决结构化预测问题。AiS-NLP-Reasoning-CCF-BDCI-2020-Math-Word-Problems-64MB

6、链接

语音等多模态案例套装

说明

因公网带宽限制，用户获取已集成AI数据集+源码+文档+模型的案例资源包方式如下：

  • 若资源包文件小于等于500MB，则默认支持网页下载。
  • 若资源包文件大于500MB，则可通过以下两种方式之一获取：
    • 方式一：微信文件传输。通过添加本平台官方店小二微信号：AiSelect.club店小二/18115143370。输入一个AI案例文件名，本平台把案例资源包分割成多个1GB文件进行分发。
    • 方式二：通过淘宝店铺U盘分发：甲壳虫AI竞赛案例精选 https://shop293023998.taobao.com/ （同一合集的多个案例套件文件大小约20~64GB的打包成一U盘。U盘分发价格统一为50元=32GB/64GB的U盘市场价+国内快递费用+零毛利。）

本平台官方店小二微信号/手机号：AiSelect.club店小二/18115143370

联系人微信号

获取大容量AI案例U盘套装：AI智能案例学习套装/自然语言处理-传媒行业-A-淘宝网

发表评论