Uredništvo vijesti

Priča

Redakcija međunarodne novinske agencije svakodnevno upravlja tisućama članaka iz različitih područja: ekonomije, politike, znanosti, tehnologije i okoliša. Kako bi mogla brzo arhivirati i distribuirati informacije, svaki članak mora biti uvrsten u tematsku kategoriju.

Zbog tehničke greške, oznake nekih nedavnih članaka su izgubljene. Redakcija se obraća tebi da izgradiš pametan sustav koji može automatski klasificirati novinske članke na temelju njihovog sadržaja.

Zahtjev

Dane su dvije ulazne datoteke:

• train.csv – sadrži novinske članke za koje je kategorija poznata
• test.csv – sadrži novinske članke bez kategorije

Svaki članak je identificiran jedinstvenim id i ima pridružen tekst.
Koristeći podatke iz train.csv, trebaš izgraditi model klasifikacije koji će predvidjeti oznaku (label) svakog članka iz test.csv.

Rezultat će biti spremljen u datoteku submission.csv.

Format datoteka

train.csv

Sadrži sljedeće stupce:

• id – jedinstveni identifikator članka (string, npr. 000001)
• text – sadržaj članka
• label – kategorija članka (cijeli broj)

Primjer:

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

Sadrži sljedeće stupce:

• id – jedinstveni identifikator
• text – sadržaj članka

Primjer:

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

Datoteka generirana za predaju mora biti u csv formatu i sadržavati sljedeće:

• id – identifikator članka
• label – predviđena kategorija

Primjer:

1id,label2120001,23120002,34120003,3

Napomene

• Oznake su numeričke cjelobrojne vrijednosti, a njihovo značenje mora biti dedukcirano isključivo iz train.csv.
• Dopuštene su sve metode obrade prirodnog jezika i strojnog učenja.
• Evaluacija rješenja se vrši na temelju točnosti predviđanja.

Evaluacija

Predviđanja će biti uspoređena sa stvarnim oznakama i izračunat će se točnost:

1accuracy = (broj_točnih_predviđanja / ukupan_broj_predviđanja)

Konačni rezultat se izračunava na temelju postignute točnosti koristeći sljedeća pravila:

• accuracy ≥ 0.98 → 100 bodova
• accuracy ≤ 0.9 → 0 bodova
• Za međuvrijednosti se dodjeljuje proporcionalan broj bodova između 0 i 100.