第5名解决方案

感谢主办方举办了这场有趣的比赛。

我的方案

我尝试了两种方法（未使用数据集标签字符串匹配）：

• 正则表达式 - 0.5/0.56
• BERT NER - 0.37/0.52

集成模型、在已知数据集中搜索以及其他基于BERT的方法并没有改善结果。

正则表达式

• 寻找大写字母
• 寻找包含这些字母的邻近单词
• 直接寻找以大写字母开头的单词
• 我记下所有找到的结果，并在其他文档中进行搜索

BERT NER

• 我将文档分割成 200-400 个字符的句子
• 筛选潜在的候选者
• 我选取了 90% 带有标签的句子和 10% 不带标签的句子
• 使用 3 个类别 - 无类别、数据集名称的首词和数据集名称的尾词
• 进行预测并筛选出优秀的候选者