cail2019_track2：中国法研杯CAIL2019要素抽取任务的第三名成果分享

简介：
本简介分享了在“中国法研杯CAIL2019”竞赛中获得要素抽取任务第三名的研究成果，详细阐述了技术方案和模型设计。 CAIL2019要素抽取任务第三名方案分享 欢迎大家参考我在这次比赛中的方法。 尽管与前两名选手的成绩有较大差距，但我还是想分享一下自己所使用的策略和技术细节。我的主要技术手段包括领域预训练、focal loss、阈值移动、规则匹配以及模型优化和调参等步骤，并未采用模型融合的方法来提高性能。 效果对比 由于这是我第一次参赛，在比赛过程中并未详细记录所有的数据，因此现在提供的成绩比较是基于我从历史上传记录中回忆整理的结果。请注意这些分数可能与实际得分有所出入，但大致范围应该准确无误。 Model详情 线上评分： - BERT：使用bert_base进行多标签分类，得分为69.553。 - BERT+RCNN+ATT：在BERT基础上加入RCNN层，并将最大池化替换为Attention机制，得分提升至70.143。 - 在上述模型的基础上增加阈值移动后，成绩进一步提高到70.809。 - 最终，在上一步骤的配置中添加focal loss作为损失函数优化手段之后，最终得分为71.1。