打开训练数据中的 train_small.json 简单看了一下，发现有个字符串 67 较为显眼，看起来是较为有规律地出现在句子中，甚至会以半角的形式出现在全角数字附近，基本可以认为是数据中的噪音或错误。
个人猜测会不会是在数据预处理的过程中，将某种标点或是特殊字符进行处理的时候出现了问题？
{"ID": "ID17391052", "source": "其中，67依利股份67（６００８８７．ＳＨ）、67海康衞视67（００２４１５．ＳＺ）、67罔东汤Ａ67（０００７１５．ＳＺ）分别位列资本品牌价值前三甲，而67渤海租赁67（０００４１５．ＳＺ）、67神奇制药67（６００６１３．ＳＨ）、67乐视网67（３００１０４．ＳＺ）则在资本品使溢价率方面领先。", "target": "其中，67伊利股份67（６００８８７．ＳＨ）、67海康威视67（００２４１５．ＳＺ）、67京东方Ａ67（０００７１５．ＳＺ）分别位列资本品牌价值前三甲，而67渤海租赁67（０００４１５．ＳＺ）、67神奇制药67（６００６１３．ＳＨ）、67乐视网67（３００１０４．ＳＺ）则在资本品牌溢价率方面领先。"}
{"ID": "ID16536370", "source": "李准基离开签约新东家67成文根英师弟。", "target": "李准基离开老东家ＩＭＸ签约新东家67成文根英师弟。"}
{"ID": "ID15983384", "source": "投资者和网贷平台回归理性67４月网贷利率同比降１３％。", "target": "投资者和网贷平台回归理性67４月Ｐ２Ｐ网贷利率同比降１３％。"}
{"ID": "ID15057172", "source": "金属质感四核强机67联想郑州１８６０。", "target": "金属质感四核强机67联想Ｓ９６８Ｔ郑州１８６０。"}
{"ID": "ID17621382", "source": "中票67广东省广业资产经营有限公司２０１４67年度第一期67５67７年无浦发银行", "target": "中票67广东省广业资产经营有限公司２０１４67年度第一期67５67７年无ＡＡ＋67ＡＡ＋67浦发银行"}
Posted by: okcd00 @ June 28, 2021, 7:16 a.m.感谢反馈，这个问题占比不大，对模型效果影响较小，在通过资格赛后提供的训练集中，我们将修复这个问题
Posted by: CTC_2021 @ June 28, 2021, 8:03 a.m.