Betöltés...
Nehézség
Az Ön legjobb eredménye
N/A
Ennek a feladatnak a célja a szövegek azonosítása és osztályozása a román nyelv regionális sajátosságai vagy standard formája alapján. Az adatkészlet különböző régiókból gyűjtött szövegrészleteket tartalmaz.
| Oszlop | Leírás |
|---|---|
| ID | Minden szövegrészlet egyedi azonosítója |
| text | A mondat tényleges tartalma román nyelven |
| label | A szöveg nyelvjárásának osztályozása (céloszlop) |
Megjegyzés: A label (Nyelvjárás) oszlop csak a tanító adatokban (train.csv) érhető el. A három lehetséges osztály: româna standard (standard román), graiul moldovenesc (moldvai nyelvjárás) és graiul bănățean (bánáti nyelvjárás).
A szövegek egy része Ion Creangă "Cinci pâini" című művéből származik. Számold ki a "pâni" szó (a "pâini" szó archaikus formája) előfordulásainak teljes számát a train.csv és a test.csv fájlokban.
A train.csv fájlban számold ki az írásjelek számának átlagát a graiul moldovenesc és a graiul bănățean nyelvjárású szövegekre vonatkozóan. Add meg a két érték különbségének abszolút értékét, 2 tizedesjegyre kerekítve.
A test.csv minden sorára számold ki a szövegben található diakritikus jelek számát. Diakritikus jelnek minősülnek a következő karakterek: ă, â, î, ș, ț (és ezek nagybetűs változatai: Ă, Â, Î, Ș, Ț).
Építs egy modellt, amely képes helyesen osztályozni a tesztfájl szövegeit a 3 osztály egyikébe.
Az értékelés a válasz pontos ellenőrzésével történik. Helyes válasz = maximális pontszám, hibás válasz = 0 pont.
Az értékelés az accuracy (pontosság) alapján történik — a helyes válaszok aránya az összeshez képest. A pontszám arányos: accuracy 1.0 = 10 pont, accuracy 0.0 = 0 pont.
Az értékelés az F1-Macro metrika használatával történik.
A beküldendő fájlnak CSV formátumúnak kell lennie, a következő oszlopokkal:
1.test.csv fájl ID oszlopában szereplő értékek.subtaskID,datapointID,answer1,1,322,1,5.073,101,23,102,43,103,2...4,101,româna standard4,102,graiul moldovenesc4,103,graiul bănățean...Megjegyzés: A feladat megoldásához nem szükséges Transformer típusú architektúrák (pl. RoBERTa) használata.