Identifikace autora veršů

Popis problému

Je poskytnut dataset s básněmi v rumunštině, každá napsaná jedním ze 7 autorů. Básně byly následně rozděleny do skupin po 4 verších.

Těchto 7 autorů je:

• Ana Blandiana
• George Bacovia
• George Toparceanu
• Grigore Vieru
• Lucian Blaga
• Mihai Eminescu
• Vasile Alecsandri

Skupina 4 veršů může představovat:

• Kompletní slohu (čtyřverší)
• Část z větší slohy (5, 6, 7 veršů, atd.)
• Kombinaci mezi posledními řádky jedné slohy a prvními řádky následující slohy

Cílem problému je sestavit model, který dokáže předpovědět autora skupiny 4 veršů.

Dostupné soubory

train.csv

Dataset pro trénování obsahující následující sloupce:

• Id – jedinečný identifikátor pro skupinu veršů
• Versuri – obsah 4 veršů
• Autor – autor veršů

Příklad:

test.csv

Dataset pro testování, který neobsahuje sloupec Autor:

• Id – jedinečný identifikátor
• Versuri – obsah 4 veršů

Příklad:

Formát souboru pro odevzdání

Soubor pro odevzdání musí být CSV s následujícími sloupci:

• Id – identifikátor skupiny veršů
• Autor – předpovězený autor

Příklad:

Poznámky

• Modely mohou používat jakékoli techniky zpracování přirozeného jazyka a strojového učení.
• Hodnocení bude provedeno na základě přesnosti předpovědí.

Hodnocení

Předpovědi budou porovnány se skutečnými jazyky a bude vypočítána přesnost:

1accuracy = (počet_správných_předpovědí / celkový_počet_předpovědí)

Finální skóre je vypočítáno na základě dosažené přesnosti pomocí následujících pravidel:

• accuracy ≥ 0.9 → 100 bodů
• accuracy ≤ 0.5 → 0 bodů
• Pro mezilehlé hodnoty se uděluje skóre proporcionálně mezi 0 a 100.