自然言語処理初心者が AutoNLP に挑戦した話 / 8th place solution of AutoNLP 2019

https://netadashi.connpass.com/event/149600/
https://mlforbiginners.connpass.com/event/149041/

Transcript

1. 自然言語処理初心者が AutoNLP に挑戦したお話 LT,分野初心者大歓迎!! ML for Beginners! MeetUp #1 LT会 Oct 27, 2019
2. Yu Ohori (a.k.a. Kon) NS Solutions Corporation (Apr 2017 - ) • Researcher • Data Science & Infrastructure Technologies • System Research & Development Center • Technology Bureau @Y_oHr_N @Y-oHr-N #SemiSupervisedLearning #AnomalyDetection #DataOps
3. 約 2 週間，同僚 3 名と以下の大会に参加した 3 自然言語処理に関する AutoML の大会 Aug 3, 2019 - Aug 31, 2019 https://www.4paradigm.com/competition/autoNLP2019
4. 本大会の内容は？ 入力 • 5 つの自然言語データセット（英語・中国語） • 言語等が記載されたファイル（右図） 提出物 • 学習，予測を行うコード 制約 • 計算資源：1 GPU & 4 vCPUs (26 GB Memory) • 計算時間：40 分 評価指標 • Area under the Learning Curve (ALC) 4
5. 本大会の課題は？ 様々な言語の扱い • 英語・中国語を適切に処理する方法は？ 長文・短文の扱い • 素早く特徴を抽出する方法は？ pre-trained model の扱い • 最適な pre-trained model を選択する方法は？ 5
6. 結果は？ 6 66 チーム中 8 位
7. 7 我々の解法は？ Sampler TfidfVectorizer TruncatedSVD LightGBMClassifier • 10 万件以下になるように無作為に抽出 • 全角英数字を半角英数字に変換，大文字を小文字に変換，不要な記号を削除 • 中国語を jieba-fast で分かち書き • ストップワードを削除（https://github.com/stopwords-iso/stopwords-zh） • max_features=100_000, max_df=0.95, min_df=2 • n_components=100 • class_weight='balanced', feature_fraction=0.1, n_estimators=1_000 • early_stopping_rounds=10 • ハイパパラメータ探索は未実施
8. 上位解法は？ 8 Rank Team name Models URL 1 DeepBlueAI CNN, RNN https://github.com/DeepB lueAI/AutoNLP 2 upwind_flys LinearSVM, CNN https://github.com/upwin dflys/AutoNlp 3 txta LinearSVM https://github.com/qingb onlp/AutoNLP