情感分析
又称意见挖掘、倾向性分析,是指对带有情感色彩的主观性文本进行分析、处理、归纳和整理的过程。清博针对全网数据长短差异、数据类型不同开发了三个通用舆情模型,整体F1-Score达到0.88-0.89。
情绪分析
针对社交网络中,文本更为细致的情绪类别,清博就此类问题提出了一种包含乐、哀、好、怒、恶、惊、惧共7个大类和22个细分子类的情绪分析方法,在文本情绪分类任务上达到0.80的整体 F1-Score。
多语言处理
不同语言是阻碍NLP领域发展的一个重要难题,也是了解全球热点事件、领域动态、经济趋势的难题,清博开发了一套针对多语言的情感分析、文本分类模型,整体F1-Score达到0.91-0.93。
领域模型
针对房产、汽车、教育、金融等垂直领域,清博利用积累的垂直领域知识数据,提升模型在各个领域的准确性以及鲁棒性。
清博算法团队在首届全球人工智能技术创新大赛决赛斩获双奖
本次大赛面向全球开放,不限年龄国籍,高等院校在校学生(包括高职高专、本科生、研究生)以及科研机构和企业从业人员均可报名参赛。对手来自528所中国高校和136所海外高校,包括清华、北大、浙大、剑桥、牛津、密歇根、普渡、南洋理工等知名高校。这些选手组成了13923支队伍,其中港澳台及海外参赛队伍比例超过 30%。
2021年6月9日
喜讯!清博团队在第五届中国创新挑战赛的事件聚类分类赛道上,获得优秀奖
喜讯!清博团队在第五届中国创新挑战赛的事件聚类分类赛道上,获得优秀奖。比赛由科技部火炬中心、国家国防科技工业局信息中心联合举办,共220个队伍参赛,这是清博获得的又一次AI技术奖项~
2020年11月28日
喜讯!全国知识图谱与语义计算大会,清博AI团队荣获类型推断第二!
清博AI团队从276支队伍中脱颖而出,在CCKS2020全国知识图谱与语义计算大会——“新冠百科知识图谱类型推断”赛道中,获得第二名!
2020年10月21日