Identificación del autor de unos versos

Descripción del problema

Se proporciona un conjunto de datos con poesías en lengua rumana, cada una escrita por uno de los 7 autores. Las poesías han sido divididas posteriormente en grupos de 4 versos.

Los 7 autores son:

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

Un grupo de 4 versos puede representar:

• Una estrofa completa (cuarteto)
• Una parte de una estrofa más grande (5, 6, 7 versos, etc.)
• Una combinación entre los últimos versos de una estrofa y los primeros versos de la siguiente estrofa

El objetivo del problema es construir un modelo que pueda predecir el autor de un grupo de 4 versos.

Archivos disponibles

train.csv

El conjunto de datos para entrenamiento, que contiene las siguientes columnas:

• Id – identificador único para el grupo de versos
• Versuri – el contenido de 4 versos
• Autor – el autor de los versos

Ejemplo:

test.csv

El conjunto de datos para pruebas, que no contiene la columna Autor:

• Id – identificador único
• Versuri – el contenido de 4 versos

Ejemplo:

Formato del archivo de envío

El archivo de envío debe ser un CSV con las siguientes columnas:

• Id – el identificador del grupo de versos
• Autor – el autor predicho

Ejemplo:

Observaciones

• Los modelos pueden usar cualquier técnica de procesamiento de lenguaje natural y machine learning.
• La evaluación se realizará en base a la precisión de las predicciones.

Evaluación

Las predicciones serán comparadas con las etiquetas reales y se calculará la precisión:

1accuracy = (numero_predicciones_correctas / numero_total_predicciones)

La puntuación final se calcula en base a la precisión obtenida usando las siguientes reglas:

• accuracy ≥ 0.9 → 100 puntos
• accuracy ≤ 0.5 → 0 puntos
• Para valores intermedios se otorga puntuación proporcional entre 0 y 100.