Eilių autoriaus identifikavimas

Problemos aprašymas

Pateikiamas duomenų rinkinys su poezija lietuvių kalba, kiekvieną parašė vienas iš 7 autorių. Eilėraščiai vėliau buvo suskirstyti į grupes po 4 eilutes.

7 autoriai yra:

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

4 eilučių grupė gali reprezentuoti:

• Pilną strofą (ketureilį)
• Dalį iš didesnės strofos (5, 6, 7 eilutės ir t.t.)
• Kombinaciją tarp paskutinių vienos strofos eilučių ir pirmųjų kitos strofos eilučių

Problemos tikslas yra sukurti modelį, kuris galėtų numatyti 4 eilučių grupės autorių.

Prieinami failai

train.csv

Duomenų rinkinys mokymui, turintis šiuos stulpelius:

• Id – unikalus eilučių grupės identifikatorius
• Versuri – 4 eilučių turinys
• Autor – eilučių autorius

Pavyzdys:

test.csv

Duomenų rinkinys testavimui, kuriame nėra Autor stulpelio:

• Id – unikalus identifikatorius
• Versuri – 4 eilučių turinys

Pavyzdys:

Pateikimo failo formatas

Pateikimo failas turi būti CSV su šiais stulpeliais:

• Id – eilučių grupės identifikatorius
• Autor – numatytas autorius

Pavyzdys:

Pastabos

• Modeliai gali naudoti bet kokią natūralios kalbos apdorojimo ir mašininio mokymosi techniką.
• Vertinimas bus atliekamas pagal prognozių tikslumą.

Vertinimas

Prognozes bus lyginamos su tikraisiais autoriais ir bus apskaičiuotas tikslumas:

1accuracy = (teisingų_prognozių_skaičius / bendras_prognozių_skaičius)

Galutinis balas apskaičiuojamas pagal gautą tikslumą naudojant šias taisykles:

• accuracy ≥ 0.9 → 100 taškų
• accuracy ≤ 0.5 → 0 taškų
• Tarpinėms reikšmėms skiriamas proporcionalus balas tarp 0 ir 100.