为了促进中文自然语言技术的发展，由中国人工智能学会主办，科大讯飞股份有限公司组织，认知智能国家重点实验室（科大讯飞）和哈尔滨工业大学社会计算与信息检索研究中心承办的“第三届中国‘AI+’创新创业大赛——自然语言处理技术创新大赛——中文文本纠错比赛”正式拉开帷幕。此次比赛旨在为致力于中文自然语言处理研究的研究人员、产业界人士以及AI技术爱好者提供一个良好的交流平台。

组织架构

主办单位

• 中国人工智能学会

组织单位

• 科大讯飞股份有限公司

承办单位

• 认知智能国家重点实验室（科大讯飞）
• 哈尔滨工业大学社会计算与信息检索研究中心

评审委员会

• 主席：陈志刚（认知智能国家重点实验室副主任，科大讯飞研究院副院长）
• 副主席：车万翔（哈尔滨工业大学社会计算与信息检索研究中心教授）、陈竹敏（山东大学信息检索实验室教授）、贺瑞芳（天津大学智能与计算学部教授）、伍大勇（科大讯飞北京研究院执行院长）
• 秘书长：王宝鑫（科大讯飞北京研究院研究员）

参赛办法

参赛对象

• 本次比赛面向全国高校、科研机构和涉及自然语言处理、数据挖掘、知识图谱等技术的人工智能领域的企业和个人。

组队方式

• 参赛队伍可自行在网上报名，每支队伍由3-5名队员组成，队员的职业、年龄、地区不限，每队至少一名队员为中国国籍。

报名方式

• 报名截止日期为2021年7月30日。参赛队伍可以通过大赛官网（http://2021aichina.caai.cn/）或比赛指定平台（https://competitions.codalab.org/competitions/32702）进行报名，并发送队伍信息至rdg_feiying@iflytek.com完成审核。

参赛选题

• 竞赛背景：文本纠错的主要任务是对文本中的错误进行检测和纠正，涵盖拼写错误、语法错误和语病错误等多方面内容。本赛题主要选择中文母语写作者撰写的网络文本作为校正评测数据。
• 赛题描述：本次赛题要求选手从网络文本中检测并纠正错误，完成中文文本校正系统。具体输入和输出格式为：
  • 输入文件包含若干行文本，每行文本对应句子ID和相应的待校正句。
  • 输出文件每行对应句子ID及相应的校正结果，每处错误需包含错误位置、错误类型、错误词语及正确词语，每处错误之间以英文逗号分隔。
• 模型训练：主办方提供了解题思路供选手参考，选手可以选择序列标注模型或Seq2seq模型等方法。
• 训练集数据：主办方提供了部分伪数据，初赛大约有10万句文本，复赛时会公开更多数据。参赛队伍也可以使用公开数据集和其他开放数据。

作品要求

• 参赛作品应为参赛队员独立设计、开发完成，严禁抄袭。

时间安排

• 2021年6月10日：发布大赛通知，开始报名
• 2021年6月24日：发布示例样本、baseline模型及小批量伪数据
• 2021年7月30日：报名截止
• 2021年8月2日：提交初赛系统截止日
• 2021年8月5日：公布复赛名单，发布验证集样本及更多伪数据
• 2021年8月31日：提交最终校正系统
• 2021年9月8日：撰写技术评测报告，颁奖
• 全国总决赛：2021年10月，AI创新创业大赛颁奖和路演

竞赛赛制

• 初赛：参赛队伍需在2021年7月30日前完成报名，并从网站获取示例开发集、baseline模型和训练伪数据。之后可以开始数据处理和校正系统构建，2021年8月2日为初赛最后结果提交更新日。
• 复赛：复赛将于2021年8月5日开始，参赛队伍可以获取验证集样本及更多训练伪数据，进行模型优化。2021年8月31日为复赛最后系统提交更新日。

初赛评测规则

• 主办方将对参赛队伍的测试结果与标准结果进行一致性评价，评测结果采用检测得分和纠正得分加权平均的方式计算，具体为：评测结果 = 0.8 * 检测得分 + 0.2 * 纠正得分，得分均采用F-score计算。

奖项设置

• 本赛事最终选出冠军1队、亚军2队、季军3队，对应奖励分别为15000元、10000元和5000元人民币。

竞赛管理

• 本次参赛不收取任何费用。
• 参加决赛队伍的教师和学生在决赛期间的食宿费用、交通费用及其他费用自理。
• 大赛官网：http://2021aichina.caai.cn/
• 数据集及消息通知：https://github.com/destwang/CTC2021
• 邮箱：rdg_feiying@iflytek.com