Cargando...
Dificultad
Tu mejor puntuación
N/D
El objetivo de este problema es la identificación y clasificación de textos según la especificidad regional o la forma estándar de la lengua rumana. El conjunto de datos contiene fragmentos de texto recopilados de diversas regiones.
| Columna | Descripción |
|---|---|
| ID | Identificador único para cada fragmento de texto |
| text | El contenido propiamente dicho de la frase en rumano |
| label | Clasificación del dialecto del texto (columna objetivo) |
Nota: La columna label (Dialecto) está disponible solo en los datos de entrenamiento (train.csv). Las tres clases posibles son: româna standard (rumano estándar), graiul moldovenesc (dialecto moldavo) y graiul bănățean (dialecto de Banat).
Una parte de los textos ha sido extraída de la obra "Cinci pâini" de Ion Creangă. Calcula el número total de apariciones de la palabra "pâni" (forma arcaica de la palabra "pâini") en train.csv y en test.csv.
En train.csv calcula el promedio del número de signos de puntuación para los textos en graiul moldovenesc y graiul bănățean. Devuelve el valor absoluto (módulo) de la diferencia entre los 2 valores, redondeado a 2 decimales.
Para cada fila de test.csv calcula el número de diacríticos del texto. Se consideran diacríticos los caracteres: ă, â, î, ș, ț (y sus variantes en mayúsculas Ă, Â, Î, Ș, Ț).
Construye un modelo capaz de clasificar correctamente los textos del archivo de prueba en una de las 3 clases.
La evaluación se realiza mediante la verificación exacta de la respuesta. Respuesta correcta = puntuación máxima, respuesta incorrecta = 0 puntos.
La evaluación se realiza mediante accuracy — la proporción de respuestas correctas del total. La puntuación es proporcional: accuracy 1.0 = 10 puntos, accuracy 0.0 = 0 puntos.
La evaluación se realiza utilizando la métrica F1-Macro.
El archivo de entrega debe estar en formato CSV, conteniendo las siguientes columnas:
1.ID de test.csv.subtaskID,datapointID,answer1,1,322,1,5.073,101,23,102,43,103,2...4,101,româna standard4,102,graiul moldovenesc4,103,graiul bănățean...Nota: La resolución de este problema no requiere el uso de arquitecturas de tipo Transformer (ej: RoBERTa).