IKCEST国际大数据竞赛赛题解析

　　全书围绕IKCEST国际大数据竞赛，即IKCEST“一带一路”国际大数据竞赛暨百度&西安交大大数据竞赛展开，针对每次比赛内容进行深度解析，从任务、基础到冠军模型，以理论和代码相结合的方式，全流程深度剖析比赛过程。九次竞赛题均关注当年的热点领域和方向，分别是“人物关系”知识挖掘、提取子句中的核心实体、宠物分类、商家招牌分类、基于卫星遥感影像和用户行为的城市区域功能分类、高致病性传染病的传播趋势预测和基于车载影像的实时环境感知、“一带一路”重点语种法俄泰阿与中文互译、社交网络中多模态虚假信息甄别，涵盖了社交网络、计算机视觉、自然语言处理等大数据应用的热门领域。本书可作为全国高等学校大数据及相关专业的教材，也可作为感兴趣的读者了解IKCEST国际大数据竞赛的参考书。

暂缺《IKCEST国际大数据竞赛赛题解析》作者简介

第1章2015赛题——“人物关系”
知识挖掘
1.1赛题解析
1.1.1赛题介绍
1.1.2数据介绍
1.1.3评估指标
1.1.4赛题分析
1.2“人物关系”知识挖掘基础介绍
1.2.1基于模板的方法
1.2.2基于统计的方法
1.2.3基于神经网络的方法
1.3数据处理
1.3.1数据分析
1.3.2样本不均衡数据处理
1.3.3数据加载
1.4“人物关系”知识挖掘方法探索
1.4.1基于LSTM的关系
抽取
1.4.2基于Transformer的
关系抽取
1.4.3基于预训练微调的
关系抽取
1.4.4效果对比
1.5模型提升与改进
1.5.1如何利用无标注数据
1.5.2如何利用实体
属性数据
1.5.3总结
第2章2016赛题——提取子句中的
核心实体
2.1赛题解析
2.1.1赛题介绍
2.1.2数据介绍
2.1.3评估指标
2.1.4赛题分析
2.2实体识别基础介绍
2.2.1命名实体识别任务
2.2.2词向量模型
2.2.3基础方法
2.3数据处理
2.3.1数据分析
2.3.2文本序列预处理
2.4核心实体识别
2.4.1核心实体识别模型
2.4.2损失函数
2.4.3维特比算法
2.4.4核心实体识别实验
2.4.5识别结果分析
2.5模型提升与改进
2.5.1K折交叉验证
2.5.2对抗训练
2.5.3总结
第3章2017赛题——宠物分类
3.1赛题解析
3.1.1赛题介绍
3.1.2数据介绍
3.1.3评估指标
3.1.4赛题分析
3.2计算机视觉基础介绍
3.2.1计算机视觉任务
3.2.2计算机视觉基础 
3.2.3传统图像分类及实践
3.2.4神经网络图像分类及
实践
3.3数据处理
3.3.1数据预处理
3.3.2数据增强
3.4图像分类网络及方法
3.4.1经典分类网络
3.4.2VGG网络Paddle
实现
3.5算法提升与改进
3.5.1进阶的分类模型
3.5.2目标检测
第4章2018赛题——商家招牌
分类
4.1赛题解析
4.1.1赛题介绍
4.1.2数据介绍
4.1.3评估指标
4.1.4赛题分析
4.2目标检测基础介绍
4.2.1目标检测概述
4.2.2模型调研
4.2.3经典二阶段目标
检测算法
4.2.4经典一阶段目标
检测算法
4.3数据处理
4.3.1数据预处理
4.3.2数据加载
4.3.3数据增强
4.4算法提升与改进
4.4.1比赛模型
4.4.2结果分析与改进
第5章2019赛题——基于卫星遥感影
像和用户行为的城市区域
功能分类
5.1赛题解析
5.1.1赛题介绍
5.1.2数据介绍
5.1.3评估指标
5.1.4赛题分析
5.2多模态分类基础介绍
5.2.1算法架构
5.2.2模型融合
5.3多模态数据探索
5.3.1文本和图像数据的
读取
5.3.2数据分析
5.3.3特征工程
5.4城市区域功能分类
5.4.1遥感影像分类
5.4.2用户到访数据分类
5.5城市区域功能分类特征优化
5.5.1区域→用户→区域的
特征构建
5.5.2区域→区域的
特征构建
5.6模型提升与改进
第6章2020赛题——高致病性传染病的
传播趋势预测
6.1赛题解析
6.1.1赛题介绍
6.1.2数据介绍
6.1.3评估指标
6.1.4赛题分析
6.2时间序列建模基础方法介绍
6.2.1时间序列模型简介
6.2.2GBDT简介
6.3数据及特征工程
6.3.1特征选择
6.3.2特征构建
6.3.3回归值预处理
6.4城市每日新增感染人数
预测算法
6.4.1特定数值填充
6.4.2时间序列模型
6.4.3SEIR模型
6.5区域每日新增感染人数
占比预测算法
6.5.1回归数据生成
6.5.2区域新增感染人数
占比预测
6.5.3实验结果分析
6.6模型提升与改进
第7章2021赛题——基于车载影像的
实时环境感知
7.1赛题解析
7.1.1赛题介绍
7.1.2数据介绍
7.1.3评估指标
7.1.4赛题分析
7.2目标检测与图像分割
基础介绍
7.2.1目标检测概述
7.2.2图像分割概述
7.2.3常用语义分割算法
UNet与DeepLabV3
7.2.4UNet代码实践解析
7.3交通目标检测任务
7.3.1目标检测任务解析与
数据探索
7.3.2数据预处理
7.3.3目标检测基准模型： 
Yolov5
7.3.4算法模型与改进
7.4交通划线语义分割任务
7.4.1语义分割任务解析与
数据探索
7.4.2数据预处理
7.4.3语义分割基准
模型HRNet
7.4.4算法模型与改进
7.5算法结果分析与改进策略
7.5.1算法改进策略及评估
指标提升
7.5.2算法推理加速策略
7.5.3总结
第8章2022赛题——“一带一路”重点
语种法俄泰阿与中文互译
8.1赛题解析
8.1.1赛题介绍
8.1.2数据介绍
8.1.3评估指标
8.1.4赛题分析
8.2机器翻译基础介绍
8.2.1机器翻译概述
8.2.2经典机器翻译模型
8.2.3经典机器翻译预
训练模型
8.3比赛方法——基于领域渐进性的
可持续多语言翻译训练方案
8.3.1数据收集与预处理
8.3.2双语平行语料构建
8.3.3多语翻译模型
选择与改进
8.3.4领域渐进可持续
训练方法
8.4算法结果分析与高金策略
8.4.1结果分析
8.4.2高金策略——多模型
集成方法
8.4.3总结
第9章2023赛题——社交网络中多
模态虚假信息甄别
9.1赛题解析
9.1.1赛题介绍
9.1.2数据介绍
9.1.3评估指标
9.1.4赛题分析
9.2模型基础介绍
9.2.1虚假信息甄别
任务概述
9.2.2大语言模型概述
9.2.3多模态大模型概述
9.2.4ViT与ERNIE
9.2.5ERNIE代码实践解析
9.3比赛方法
9.3.1任务解析
9.3.2数据处理
9.3.3模型方法
9.3.4成果提交与推理
9.3.5实验结果
9.4模型改进与总结
9.4.1模型改进
9.4.2总结
参考文献