SoICT Hackathon 2024 - Legal Document Retrieval

Organized by sangdv - Current server time: Dec. 14, 2024, 3:04 a.m. UTC

First phase

Public Test
Oct. 8, 2024, midnight UTC

End

Competition Ends
Dec. 2, 2024, 5 p.m. UTC

Giới thiệu chung

Chủ đề. Cuộc thi Legal Document Retrieval tập trung vào giải quyết bài toán "truy vấn trên dữ liệu luật pháp Tiếng Việt ".

Nhiệm vụ. Cuộc thi tập trung duy nhất vào một nhiệm vụ: truy vấn trên dữ liệu luật pháp tiếng Việt.

Dữ liệu

  • Dữ liệu được cung cấp bởi ban tổ chức gồm 3 tập như sau:
    • Training data: là tập dữ liệu thật có gán nhãn, dùng để huấn luyện mô hình. Tập này gồm 119456 cặp truy vấn kèm văn bản liên quan.
    • Public test: Là tập dữ liệu công khai phục vụ đánh giá mô hình. Tập này gồm 10000 truy vấn.
    • Private test: Là tập dữ liệu công khai phục vụ đánh giá mô hình. Tập này gồm 50000 truy vấn.
    Các tập dữ liệu sử dụng chung 1 kho dữ liệu các văn bản pháp luật.

Tiêu chí đánh giá. Tiêu chí đánh giá là chỉ số MRR@10, đại diện cho khả năng tìm kiếm văn bản liên quan của hệ thống trên kho dữ liệu chung (Chi tiết xem tại phần Evaluation).

Quy định

Tiêu chí đánh giá truy vấn văn bản pháp luật tiếng Việt

Kết quả sẽ được đánh giá dựa trên chỉ số MRR@10 (Mean Reciprocal Rank). MRR đại diện cho vị trí đầu tiên của kết quả đúng trong danh sách kết quả truy vấn. Chỉ số MRR@10 tập trung vào việc đánh giá 10 kết quả đầu tiên từ hệ thống truy vấn. MRR càng cao thì mô hình truy vấn càng chính xác.

Trong đó, nhãn được tạo nên với các tiêu chí như sau:

  • Nhãn được tạo trên cơ sở tài liệu pháp luật tiếng Việt
  • Nhãn bao gồm cả ký tự hoa và ký tự thường
  • Nhãn có thể chứa các ký tự đặc biệt như dấu câu và các ký tự pháp lý phổ biến
  • Nhãn không phân biệt dấu cách giữa các từ

MRR@10 được tính theo công thức:

Trong đó:

  • rank: Vị trí của kết quả đúng đầu tiên trong danh sách kết quả.
  • U: Tổng số truy vấn.

Ví dụ:

Ta có 3 truy vấn với kết quả đúng xuất hiện ở các vị trí 1, 2, và 5 trong danh sách kết quả của chúng:

  • MRR cho truy vấn 1 = 1/1 = 1
  • MRR cho truy vấn 2 = 1/2 = 0.5
  • MRR cho truy vấn 3 = 1/5 = 0.2

Do đó, MRR@10 = (1 + 0.5 + 0.2) / 3 = 0.5667.

Điểm số cuối cùng sau khi các đội thi nộp kết quả lên hệ thống sẽ là giá trị MRR@10 ứng với tất cả các truy vấn.

Quy định chung

  • Quyền hủy bỏ, sửa đổi hoặc loại bỏ tư cách tham dự. Ban tổ chức cuộc thi có toàn quyền quyết định chấm dứt, sửa đổi hoặc đình chỉ cuộc thi.

  • Bằng cách gửi kết quả cho cuộc thi, bạn đồng thuận việc công khai điểm số của mình tại hội thảo của cuộc thi và trong các kỷ yếu liên quan theo quyết định của Ban tổ chức. Điểm số có thể bao gồm nhưng không giới hạn các đánh giá định lượng được tiến hành tự động và thủ công, các đánh giá định tính, và các chỉ số đo mà ban tổ chức đánh giá là phù hợp. Bạn chấp nhận rằng quyết định cuối cùng liên quan đến việc chọn các chỉ số đo và giá trị điểm số nằm ở người ra đề.

  • Với việc tham gia cuộc thi, bạn xác nhận và công nhận rằng bạn đồng ý tuân thủ các luật và quy định hiện hành, đồng thời bạn không được vi phạm bất kỳ bản quyền, sở hữu trí tuệ hoặc bằng sáng chế nào của một bên khác đối với phần mềm mà bạn phát triển trong quá trình diễn ra cuộc thi và sẽ không vi phạm bất kỳ luật và quy định hiện hành nào liên quan đến kiểm soát xuất khẩu, quyền riêng tư và bảo vệ dữ liệu.

  • Giải thưởng được trao dựa trên sự xem xét và xác minh của Ban tổ chức cuộc thi về tính đủ điều kiện của người dự thi và tuân thủ các quy tắc này cũng như tuân thủ các yêu cầu dành cho đội thắng cuộc.

  • Người tham gia trao cho Ban tổ chức cuộc thi quyền sử dụng các bài dự thi của bạn cũng như mã nguồn và dữ liệu được tạo và sử dụng để tạo bài dự thi cho bất kỳ mục đích nào và không cần phê duyệt thêm.

Điều kiện tham dự

  • Mỗi người tham gia phải tạo một tài khoản CodaLab để gửi giải pháp cho cuộc thi. Mỗi người chỉ được cấp phép duy nhất một tài khoản.

  • Cuộc thi diễn ra công khai, nhưng Ban tổ chức cuộc thi có thể quyết định bác bỏ quyền tham gia theo những cân nhắc riêng.

  • Ban tổ chức cạnh tranh có quyền loại bất kỳ người tham gia nào khỏi cuộc thi nếu, theo quyết định riêng của Ban tổ chức cuộc thi, chúng tôi tin rằng người tham gia đã cố gắng phá hoại hoạt động hợp pháp của cuộc thi thông qua gian lận, lừa dối hoặc các hành vi tham dự không công bằng khác.

Quản lý đội tham gia

  • Những người tham gia được phép thành lập đội. Số lượng người tham gia trong nhóm tối đa là 5 người.

  • Bạn không thể tham gia vào nhiều hơn một đội. Mỗi thành viên trong nhóm phải là một cá nhân duy nhất sử dụng một tài khoản CodaLab riêng biệt.

  • Việc hợp nhất nhóm được cho phép và có thể được thực hiện bởi trưởng nhóm. Yêu cầu hợp nhất nhóm sẽ không được phép sau "Thời hạn sáp nhập nhóm".

  • Để hợp nhất, nhóm được kết hợp phải có tổng số lần gửi nhỏ hơn hoặc bằng số lượng tối đa được phép cho một nhóm tính đến ngày hợp nhất. Mức tối đa được phép là số lần gửi mỗi ngày cho mỗi giai đoạn nhân với số ngày cuộc thi đã diễn ra.

  • Ban tổ chức không cung cấp bất kỳ hỗ trợ nào liên quan đến việc hợp nhất đội.

Thể lệ nộp bài

  • Số lần gửi tối đa trong mỗi giai đoạn:

    • Giai đoạn 1 - Khởi động:
      • Public Test: 10 bài / ngày / đội
    • Giai đoạn 2 - Về đích:
      • Private Test: 05 bài / ngày / đội
  • Nội dung bài dự thi sẽ bị vô hiệu nếu toàn bộ hoặc một phần không đọc được, không đầy đủ, bị hư hỏng, bị thay đổi, giả mạo, có được thông qua các phương tiện gian lận hoặc trễ hạn. Ban tổ chức cuộc thi có quyền loại bất kỳ người dự thi nào gửi bài không tuân thủ tất cả các yêu cầu.

Dữ liệu

Bằng cách tải xuống hoặc truy cập dữ liệu do Ban tổ chức cuộc thi cung cấp theo bất kỳ cách nào, bạn đồng ý với các điều khoản sau:

  • Thí sinh KHôNG được sử dụng dữ liệu khác ngoài tập dữ liệu được cung cấp bởi cuộc thi. Thí sinh có quyền tăng cường dữ liệu và tạo dữ liệu tổng hợp từ tập dữ liệu ban tổ chức cung cấp.
  • Bạn sẽ không phân phối dữ liệu ngoại trừ mục đích phi thương mại và nghiên cứu học thuật.

  • Bạn sẽ không phân phối, sao chép, tái sản xuất, tiết lộ, chuyển nhượng, cấp phép phụ, nhúng, lưu trữ, chuyển nhượng, bán, giao dịch hoặc bán lại bất kỳ phần nào của dữ liệu do Ban tổ chức cuộc thi cung cấp cho bất kỳ bên thứ ba nào vì bất kỳ mục đích nào.

  • Dữ liệu không được sử dụng để giám sát, phân tích hoặc nghiên cứu nhằm cô lập một nhóm cá nhân hoặc bất kỳ cá nhân đơn lẻ nào vì bất kỳ mục đích bất hợp pháp hoặc phân biệt đối xử nào.

  • Bạn hoàn toàn chịu trách nhiệm về việc sử dụng dữ liệu của mình và sẽ bảo vệ và bồi thường cho Ban tổ chức cuộc thi, chống lại bất kỳ và tất cả các khiếu nại phát sinh từ việc bạn sử dụng dữ liệu.

Định dạng của dữ liệu

Kết quả dự đoán tổng hợp lại thành một file và đặt tên là “predict.txt”  và được nén zip lại trước khi nộp lên hệ thống.

Định dạng mỗi dòng của "predict.txt" là mã câu truy vấn (qid) theo sau bởi mã định danh (cid) của top k (k<=10) văn bản liên quan trong corpus. Các id ghi cách nhau bởi một dấu cách và được sắp xếp theo thứ tự giảm dần về mức độ liên quan với câu truy vấn.

Ví dụ: 54590 66473 66472 66471

Public Test

Start: Oct. 8, 2024, midnight

Public Test - Frozen

Start: Nov. 22, 2024, 5:15 p.m.

Private Test

Start: Dec. 1, 2024, 5 p.m.

Competition Ends

Dec. 2, 2024, 5 p.m.

You must be logged in to participate in competitions.

Sign In