Identifizierung des Autors von Versen

Problembeschreibung

Es wird ein Datensatz mit Gedichten in rumänischer Sprache bereitgestellt, die jeweils von einem der 7 Autoren geschrieben wurden. Die Gedichte wurden anschließend in Gruppen von je 4 Versen aufgeteilt.

Die 7 Autoren sind:

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

Eine Gruppe von 4 Versen kann darstellen:

• Eine vollständige Strophe (Vierzeiler)
• Einen Teil einer größeren Strophe (5, 6, 7 Verse, etc.)
• Eine Kombination zwischen den letzten Zeilen einer Strophe und den ersten Zeilen der nächsten Strophe

Das Ziel der Aufgabe ist es, ein Modell zu erstellen, das den Autor einer Gruppe von 4 Versen vorhersagen kann.

Verfügbare Dateien

train.csv

Der Datensatz für das Training, enthält folgende Spalten:

• Id – eindeutige Kennung für die Versgruppe
• Versuri – Inhalt von 4 Versen
• Autor – Autor der Verse

Beispiel:

test.csv

Der Datensatz für das Testen, der die Spalte Autor nicht enthält:

• Id – eindeutige Kennung
• Versuri – Inhalt von 4 Versen

Beispiel:

Format der Einreichungsdatei

Die Einreichungsdatei muss eine CSV-Datei mit folgenden Spalten sein:

• Id – Kennung der Versgruppe
• Autor – vorhergesagter Autor

Beispiel:

Anmerkungen

• Die Modelle können jede Technik der natürlichen Sprachverarbeitung und des maschinellen Lernens verwenden.
• Die Bewertung erfolgt auf Basis der Genauigkeit der Vorhersagen.

Bewertung

Die Vorhersagen werden mit den tatsächlichen Sprachen verglichen und die Genauigkeit wird berechnet:

1accuracy = (anzahl_korrekte_vorhersagen / anzahl_gesamt_vorhersagen)

Die Endpunktzahl wird basierend auf der erreichten Genauigkeit mit folgenden Regeln berechnet:

• accuracy ≥ 0.9 → 100 Punkte
• accuracy ≤ 0.5 → 0 Punkte
• Für Zwischenwerte wird eine proportionale Punktzahl zwischen 0 und 100 vergeben.