Dzejnieka identificēšana

Problēmas apraksts

Tiek piedāvāts datu kopums ar dzejoļiem latviešu valodā, katru no tiem uzrakstījis viens no 7 autoriem. Dzejoļi vēlāk tika sadalīti grupās pa 4 pantiem.

7 autori ir:

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

4 pantu grupa var reprezentēt:

• Pilnu strofu (katrēns)
• Daļu no lielākas strofas (5, 6, 7 panti, utt.)
• Kombināciju starp pēdējām rindām no vienas strofas un pirmajām rindām no nākamās strofas

Problēmas mērķis ir izveidot modeli, kas spētu prognozēt 4 pantu grupas autoru.

Pieejamie faili

train.csv

Datu kopums apmācībai, kas satur šādas kolonnas:

• Id – unikāls identifikators pantu grupai
• Versuri – 4 pantu saturs
• Autor – pantu autors

Piemērs:

test.csv

Datu kopums testēšanai, kas nesatur kolonnu Autor:

• Id – unikāls identifikators
• Versuri – 4 pantu saturs

Piemērs:

Iesniegšanas faila formāts

Iesniegšanas failam jābūt CSV ar šādām kolonnām:

• Id – pantu grupas identifikators
• Autor – prognozētais autors

Piemērs:

Piezīmes

• Modeļi var izmantot jebkuru dabiskās valodas apstrādes un mašīnmācīšanās tehniku.
• Novērtēšana tiks veikta, pamatojoties uz prognožu precizitāti.

Novērtēšana

Prognozes tiks salīdzinātas ar īstajām vērtībām un tiks aprēķināta precizitāte:

1accuracy = (pareizo_prognožu_skaits / kopējais_prognožu_skaits)

Galīgais punktu skaits tiek aprēķināts, pamatojoties uz iegūto precizitāti, izmantojot šādus noteikumus:

• accuracy ≥ 0.9 → 100 punkti
• accuracy ≤ 0.5 → 0 punkti
• Starpskatījuma vērtībām tiek piešķirts proporcionāls punktu skaits starp 0 un 100.