本文围绕疫情微博情绪识别挑战赛展开，介绍赛事背景、任务、评审规则等。采用预训练模型+微调方式，通过Multi-dropout和不同特征池化方案优化，从小模型到参数大的模型实验，结合模型融合策略，最终ernie-3.0-base-zh单模线上成绩达0.9735，为情绪识别提供有效方案。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

疫情微博情绪识别挑战赛

疫情微博情绪识别挑战赛

举办方：科大讯飞xDatawhale

赛事地址：疫情微博情绪识别挑战赛-点击直达

赛事背景

疫情发生对人们生活生产的方方面面产生了重要影响，并引发了国内舆论的广泛关注，众多网民也参与到了疫情相关话题的讨论中。大众日常的情绪波动在疫情期间会放大，并寻求在自媒体和社交媒体上发布和评论。

为了掌握真实社会舆论情况，科学高效地做好防控宣传和舆情引导工作，针对疫情相关话题开展网民情绪识别是重要任务。本次我们重点关注微博平台上的用户情绪，希望各位选手能搭建自然语言处理模型，对疫情下微博文本的情绪进行识别。

赛事任务

本次赛题需要选手对微博文本进行情绪分类，分为正向情绪和负面情绪。数据样例如下：

评审规则

1. 数据说明

赛题数据由训练集和测试集组成，训练集数据集读取代码：

import pandas as pd pd.read_csv('train.csv',sep='\t')

2. 评估指标

本次竞赛的评价标准采用准确率指标，最高分为1。 计算方法参考地址：https://scikit-learn.org/stable/modules/generated/sklearn.metrics.accuracy_score.html

评估代码参考：

import sklearn.metrics import accuracy_score y_pred = [0,2,1,3] y_true = [0,1,2,3] accuracy_score(y_pred,y_true)

3. 评测及排行

1、赛事提供下载数据，选手在本地进行算法调试，在比赛页面提交结果。

2、每支团队每天最多提交3次。

3、排行按照得分从高到低排序，排行榜将选择团队的历史最优成绩进行排名。

作品提交要求

文件格式：预测结果文件按照csv格式提交

文件大小：无要求

提交次数限制：每支队伍每天最多3次

预测结果文件详细说明：

1. 以csv格式提交，编码为UTF-8，第一行为表头；

2. 标签顺序需要与测试集文本保持一致；

3. 提交前请确保预测结果的格式与sample_submit.csv中的格式一致。具体格式如:

   美图云修

   商业级AI影像处理工具

   50 查看详情

label 1 1 1 1

赛程安排

正式赛：6月24日——7月23日

初赛截止成绩以团队在初赛时间段内最优成绩为准，具体排名可见初赛榜单。

初赛作品提交截止日期为7月23日17:00；正式赛名次将于结束后15天内公布。

长期赛：7月24日——10月24日

正式赛结束后，将转变为长期赛，供开发者学习实践。本阶段提交后，系统会根据成绩持续更新长期赛榜单，但该阶段榜单不再进行奖励。

Baseline思路

情感分析是一个经典的文本分类任务，初始Baseline采用预训练模型+微调下游任务的方式搭建

通过两种策略优化Baseline方法得到一个强基线的Baseline方案

策略一：Mutli-dropout

策略二：比较不同的特征池化方案，选取更合适的特征池化方法

先使用参数少的小模型（erbie-3.0-nano）得到初步的最优组合方案，再更换参数大的（erbie-3.0-base）模型结合最优策略得到较强的单模结果。

Baseline 效果

由于提交次数宝贵，因此仅提交了其中三份结果进行验证

一是小模型上验证效果最好（0.963）的单模结果

二是小模型上多模型融合的结果

三是切换为大模型（ernie-3.0-base-zh）的单模效果

模型	线下验证	线上提交
ernie-3.0-nano-zh + cls	0.962000	-
ernie-3.0-nano-zh + max	0.961833	-
ernie-3.0-nano-zh + mean	0.962167	-
ernie-3.0-nano-zh + dym	0.962333	-
ernie-3.0-nano-zh + dym + mutlidropout	0.963000	0.9655
ernie-3.0-nano-zh + mean + mutlidropout	0.962833	-
ernie-3.0-nano-zh + cls + mutlidropout	0.962667	-
ernie-3.0-nano-zh + max + mutlidropout	0.962667	-
ernie-3.0-nano模型融合（voting）	-	0.9663
ernie-3.0-base-zh + dym + mutlidropout	0.97100	0.9735

从结果上看：

• Mutlidropout策略十分有效，在不同池化策略的基础上添加Mutlidropout验证效果均有明显涨分
• 嵌入策略上动态加权池化方法效果最优，其次是平均池化策略
• 基于Voting的模型融合策略也可以提升模型的性能
• 更换base版本的大模型后，通过两个策略的加持，线上成绩到达0.9735，靠单模成绩上排行第三，

总结：

1. 使用了两种有效的策略（Mutlidropout和动态池化策略）获得一个强基线的baseline,希望对还未提升到0.972分数以上的小伙伴一些启发，基于这个强基线的baseline是可以冲击到0.973等更高的分数。

2. Baseline项目使用ernie-3.0的nano模型仅72MB,micro和nano版本不超过100MB，对资源要求友好，在当前超参数配置下（最大截断长度200，训练批次大小64）显存占用不到5GB，训练3轮5.4万条样本仅需11分钟左右，取得线上0.9655（Rank35 时间:2025-07-09）

3. 当更换参数量更大的Base模型后，相同配置下显存占用19GB左右，训练时间提升到30分钟。更换Base后的强基线单模线下得到0.9735,进入前五梯队（Rank3 时间:2025-07-09）

后续优化推荐

• 使用FGM等对抗训练提升模型的鲁棒性
• 使用EMA增加模型在测试集上的健壮性
• 融合不同模型,采用不同的模型融合策略

In [ ]

# 将paddlenlp更新至最新版本 !pip install -U paddlenlp # emoji转换成文字 !pip install emojiswitch

In [6]

# 测试 emoji<a style="color:#f60; text-decoration:underline;" title="switch" href="https://www.php.cn/zt/17738.html" target="_blank">switch</a> 效果 import emojiswitch emojiswitch.demojize('心中千万只

以上就是疫情微博情绪识别挑战赛Baseline(PaddlePaddle)-0.9735的详细内容，更多请关注其它相关文章！

# ai  # switch  # git  # 沁水网站推广代理电话  # 百度营销推广没有公司可以注册吗  # 漳浦seo优化公司  # 百度推广营销是干嘛的  # 酷雷曼如何做网站推广的  # 俄罗斯推广产品网站  # 大连网站建设前景分析  # 南平短视频推广营销中心  # 高邑辅助seo服务成本  # 沈阳关键词排名成功案例  # 安装包  # 一键  # 显存  # 榜单  # 两种  # 最多  # 美图  # 线上  # 中文网  # 最优  # type  # fig  # red 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： gs是什么意思  没网环境如何安装typescript  固态硬盘如何启动  负市盈率是什么意思  pp是什么意思  typescript学会要多久  ospf中交换机命令如何设置  如何在一串数字前面去掉四位数的命令  怎么用typescript 写js  为什么夸克书架书单没了  电焊机power灯亮是什么意思  夸克转存中是什么意思  360桌面壁纸怎么弄掉  手机如何更改固态硬盘  春运订票什么时候抢票  如何ping测试命令  单片机怎么进行排序操作  unix时间戳是什么意思  vue怎么连接typescript  市盈率为负值是什么意思  新网站如何填写域名解析  对应市盈率是30X是什么意思  如何给电脑加装固态硬盘  折叠屏手机哪个卖得最好  ping命令如何看问题  如何以命令符运行程序  光猫power和pon常亮是什么意思  苹果16有哪些改善  春运哪天抢票最好预约  如何使用命令行界面  dos命令如何复制目录结构  8800日元等于多少人民币  j*a数组怎么取元素  系统如何装进固态硬盘  如何测试固态硬盘速度  如何卸载typescript  typescript全局配置放哪里  eraser是什么意思  固态硬盘电脑如何设置  云笔记本电脑有什么用  命令行如何打开打印机  solidworks打开igs文件看不见要怎么办解决方法  33000日元等于多少人民币  手机如何ip绑定域名解析  哪些框架支持typescript  有什么基础可以学typescript  通配符的用法  如何以管理员身份打开命令提示符  怎么在typescript定义集合  固态硬盘如何区分好坏