Identificarea autorului unor versuri

Descrierea problemei

Se oferă un set de date cu poezii în limba română, fiecare scrisă de unul dintre cei 7 autori. Poeziile au fost împărțite ulterior în grupuri de câte 4 versuri.

Cei 7 autori sunt:

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

Un grup de 4 versuri poate reprezenta:

• O strofă completă (catren)
• O parte dintr-o strofă mai mare (5, 6, 7 versuri, etc.)
• O combinație între ultimele rânduri dintr-o strofă și primele rânduri din următoarea strofă

Scopul problemei este să construiești un model care să poată prezice autorul unui grup de 4 versuri.

Fișierele disponibile

train.csv

Setul de date pentru antrenare, conținând următoarele coloane:

• Id – identificator unic pentru grupul de versuri
• Versuri – conținutul a 4 versuri
• Autor – autorul versurilor

Exemplu:

test.csv

Setul de date pentru testare, care nu conține coloana Autor:

• Id – identificator unic
• Versuri – conținutul a 4 versuri

Exemplu:

Formatul fișierului de submisie

Fișierul de submisie trebuie să fie un CSV cu următoarele coloane:

• Id – identificatorul grupului de versuri
• Autor – autorul prezis

Exemplu:

Observații

• Modelele pot folosi orice tehnică de procesare a limbajului natural și machine learning.
• Evaluarea se va face pe baza acurateței predicțiilor.

Evaluare

Predicțiile vor fi comparate cu limbile reale și se va calcula acuratețea:

accuracy = (numar_predicții_corecte / numar_total_predicții)

Punctajul final este calculat pe baza acurateței obținute folosind următoarele reguli:

• accuracy ≥ 0.9 → 100 puncte
• accuracy ≤ 0.5 → 0 puncte
• Pentru valorile intermediare se acordă punctaj proporțional între 0 și 100.