تحرير الأخبار

القصة

تدير تحرير وكالة أنباء دولية يومياً آلاف المقالات الواردة من مجالات متنوعة: الاقتصاد، السياسة، العلوم، التكنولوجيا والبيئة. لتتمكن من أرشفة وتوزيع المعلومات بسرعة، يجب تصنيف كل مقال ضمن فئة موضوعية.

بسبب عطل تقني، فُقدت تسميات بعض المقالات الحديثة. يلجأ التحرير إليك لبناء نظام ذكي يمكنه تصنيف مقالات الأخبار تلقائياً بناءً على محتواها.

المطلوب

يُعطى ملفان للإدخال:

• train.csv – يحتوي على مقالات أخبار معروفة الفئة
• test.csv – يحتوي على مقالات أخبار بدون فئة

كل مقال محدد بـ id فريد وله نص مرتبط.
باستخدام البيانات من train.csv، يجب أن تبني نموذج تصنيف يتنبأ بالتسمية (label) لكل مقال في test.csv.

ستُحفظ النتيجة في ملف submission.csv.

تنسيق الملفات

train.csv

يحتوي على الأعمدة التالية:

• id – معرف فريد للمقال (string، مثال 000001)
• text – محتوى المقال
• label – فئة المقال (رقم صحيح)

مثال:

1id,text,label2000001,"Wall St. Bears Claw Back Into the Black (Reuters)...",23000002,"Carlyle Looks Toward Commercial Aerospace (Reuters)...",24000003,"Oil and Economy Cloud Stocks' Outlook (Reuters)...",2

test.csv

يحتوي على الأعمدة التالية:

• id – معرف فريد
• text – محتوى المقال

مثال:

1id,text2120001,"Fears for T N pension after talks Unions represent..."3120002,"The Race is On: Second Private Team Sets Launch..."4120003,"Ky. Company Wins Grant to Study Peptides (AP)..."

submission.csv

الملف المُولد للتسليم يجب أن يكون بتنسيق csv ويحتوي على التالي:

• id – معرف المقال
• label – الفئة المتنبأ بها

مثال:

1id,label2120001,23120002,34120003,3

ملاحظات

• التسميات هي قيم رقمية صحيحة، ويجب استنتاج معناها حصرياً من train.csv.
• مسموح بأي طرق لمعالجة اللغة الطبيعية والتعلم الآلي.
• تقييم الحلول يتم على أساس دقة التنبؤات.

التقييم

ستُقارن التنبؤات مع التسميات الحقيقية وستُحسب الدقة:

1accuracy = (عدد_التنبؤات_الصحيحة / العدد_الكلي_للتنبؤات)

النقاط النهائية تُحسب بناءً على الدقة المحققة باستخدام القواعد التالية:

• accuracy ≥ 0.98 → 100 نقطة
• accuracy ≤ 0.9 → 0 نقطة
• للقيم الوسطية تُمنح نقاط متناسبة بين 0 و 100.