מערכת החדשות

סיפור

מערכת של סוכנות עיתונות בינלאומית מנהלת מדי יום אלפי מאמרים המגיעים מתחומים מגוונים: כלכלה, פוליטיקה, מדע, טכנולוגיה וסביבה. כדי לוכל לארכב ולהפיץ במהירות את המידע, כל מאמר צריך להיות מסווג לקטגוריה נושאית.

בגלל תקלה טכנית, התוויות של מאמרים אחרונים אבדו. המערכת פונה אליך כדי לבנות מערכת חכמה שתוכל לסווג אוטומטית מאמרי חדשות על בסיס התוכן שלהם.

דרישה

ניתנים שני קבצי קלט:

• train.csv – מכיל מאמרי חדשות שהקטגוריה שלהם ידועה
• test.csv – מכיל מאמרי חדשות ללא קטגוריה

כל מאמר מזוהה באמצעות id ייחודי ויש לו טקסט משויך.
באמצעות הנתונים מ-train.csv, עליך לבנות מודל סיווג שיחזה את התווית (label) של כל מאמר ב-test.csv.

התוצאה תישמר בקובץ submission.csv.

פורמט הקבצים

train.csv

מכיל את העמודות הבאות:

• id – מזהה ייחודי של המאמר (string, לדוגמה 000001)
• text – תוכן המאמר
• label – קטגוריית המאמר (מספר שלם)

דוגמה:

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

מכיל את העמודות הבאות:

• id – מזהה ייחודי
• text – תוכן המאמר

דוגמה:

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

הקובץ שנוצר להגשה צריך להיות בפורמט csv ולהכיל את הבאים:

• id – מזהה המאמר
• label – הקטגוריה החזויה

דוגמה:

1id,label2120001,23120002,34120003,3

הערות

• התוויות הן ערכים מספריים שלמים, והמשמעות שלהן צריכה להיות מופקת אך ורק מ-train.csv.
• מותרות כל שיטות עיבוד שפה טבעית ולמידת מכונה.
• הערכת הפתרונות נעשית על בסיס דיוק החיזויים.

הערכה

החיזויים יושוו עם התוויות האמיתיות ויחושב הדיוק:

1accuracy = (מספר_חיזויים_נכונים / מספר_חיזויים_כולל)

הציון הסופי מחושב על בסיס הדיוק שהושג באמצעות הכללים הבאים:

• accuracy ≥ 0.98 → 100 נקודות
• accuracy ≤ 0.9 → 0 נקודות
• עבור ערכי ביניים ניתן ציון פרופורציונלי בין 0 ל-100.