Redazione di notizie

Storia

La redazione di un'agenzia internazionale di stampa gestisce quotidianamente migliaia di articoli provenienti da settori vari: economia, politica, scienza, tecnologia e ambiente. Per poter archiviare e distribuire rapidamente le informazioni, ogni articolo deve essere inquadrato in una categoria tematica.

A causa di un guasto tecnico, le etichette di alcuni articoli recenti sono andate perse. La redazione si rivolge a te per costruire un sistema intelligente che possa classificare automaticamente gli articoli di notizie sulla base del loro contenuto.

Richiesta

Vengono forniti due file di input:

• train.csv – contiene articoli di notizie per i quali la categoria è nota
• test.csv – contiene articoli di notizie senza categoria

Ogni articolo è identificato da un id unico e ha associato un testo.
Utilizzando i dati da train.csv, devi costruire un modello di classificazione che predica l'etichetta (label) di ogni articolo da test.csv.

Il risultato sarà salvato in un file submission.csv.

Formato dei file

train.csv

Contiene le seguenti colonne:

• id – identificatore unico dell'articolo (string, es. 000001)
• text – contenuto dell'articolo
• label – categoria dell'articolo (numero intero)

Esempio:

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

Contiene le seguenti colonne:

• id – identificatore unico
• text – contenuto dell'articolo

Esempio:

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

Il file generato per la sottomissione deve essere in formato csv e contenere quanto segue:

• id – identificatore dell'articolo
• label – categoria predetta

Esempio:

1id,label2120001,23120002,34120003,3

Osservazioni

• Le etichette sono valori numerici interi, e il loro significato deve essere dedotto esclusivamente da train.csv.
• Sono permessi qualsiasi metodi di elaborazione del linguaggio naturale e di apprendimento automatico.
• La valutazione delle soluzioni si basa sull'accuratezza delle predizioni.

Valutazione

Le predizioni saranno confrontate con le etichette reali e si calcolerà l'accuratezza:

1accuracy = (numero_predizioni_corrette / numero_totale_predizioni)

Il punteggio finale è calcolato sulla base dell'accuratezza ottenuta utilizzando le seguenti regole:

• accuracy ≥ 0.98 → 100 punti
• accuracy ≤ 0.9 → 0 punti
• Per i valori intermedi si assegna un punteggio proporzionale tra 0 e 100.