Slide 16
Slide 16 text
16
Overview (2/2)
1st モデルの予測 -> 文章を分割
● ‘B-’ラベル以外の予測でも、クラスが違えば要素の開始点とする
○ 例) B-Lead, I-Lead, I-Position, I-Position の様な時にI-Positionでも分割
2nd モデル
● 分割した要素毎にTP or FPかを判定するLightGBMモデル
● 特徴量
○ 文字数や文章の位置など
○ 分割単位でクラス毎のmin, max, mean, std, first, last
○ 上記aggregation特徴量のレポート全体で見たときのlag, lead, cumsum,
rolling meanなど
2