ავტორის იდენტიფიკაცია ლექსებისთვის

პრობლემის აღწერა

მოცემულია ქართული პოეზიის მონაცემთა ნაკრები, რომელიც დაწერილია 7 ავტორიდან ერთ-ერთის მიერ. პოეზიები შემდგომ დაიყო 4-4 ლექსის ჯგუფებად.

7 ავტორი არის:

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

4 ლექსის ჯგუფი შეიძლება წარმოადგენდეს:

• სრულ სტროფს (კატრენი)
• უფრო დიდი სტროფის ნაწილს (5, 6, 7 ლექსი და ა.შ.)
• კომბინაციას ერთი სტროფის ბოლო ხაზებსა და შემდეგი სტროფის პირველ ხაზებს შორის

პრობლემის მიზანია ააშენოთ მოდელი, რომელსაც შეუძლია 4 ლექსის ჯგუფის ავტორის პროგნოზირება.

ხელმისაწვდომი ფაილები

train.csv

მონაცემთა ნაკრები ტრენინგისთვის, რომელიც შეიცავს შემდეგ სვეტებს:

• Id – ლექსების ჯგუფის უნიკალური იდენტიფიკატორი
• Versuri – 4 ლექსის შინაარსი
• Autor – ლექსების ავტორი

მაგალითი:

test.csv

მონაცემთა ნაკრები ტესტირებისთვის, რომელიც არ შეიცავს Autor სვეტს:

• Id – უნიკალური იდენტიფიკატორი
• Versuri – 4 ლექსის შინაარსი

მაგალითი:

წარდგენის ფაილის ფორმატი

წარდგენის ფაილი უნდა იყოს CSV შემდეგი სვეტებით:

• Id – ლექსების ჯგუფის იდენტიფიკატორი
• Autor – პროგნოზირებული ავტორი

მაგალითი:

შენიშვნები

• მოდელებს შეუძლიათ გამოიყენონ ბუნებრივი ენის დამუშავებისა და მანქანური სწავლების ნებისმიერი ტექნიკა.
• შეფასება მოხდება პროგნოზების სიზუსტის საფუძველზე.

შეფასება

პროგნოზები შედარდება რეალურ ენებთან და გამოითვლება სიზუსტე:

1accuracy = (სწორი_პროგნოზების_რაოდენობა / მთლიანი_პროგნოზების_რაოდენობა)

საბოლოო ქულა გამოითვლება მიღებული სიზუსტის საფუძველზე შემდეგი წესების გამოყენებით:

• accuracy ≥ 0.9 → 100 ქულა
• accuracy ≤ 0.5 → 0 ქულა
• შუალედური მნიშვნელობებისთვის ენიჭება პროპორციული ქულა 0-დან 100-მდე.