Identificatie van de auteur van verzen

Probleembeschrijving

Er wordt een dataset aangeboden met gedichten in het Roemeens, elk geschreven door een van de 7 auteurs. De gedichten zijn vervolgens verdeeld in groepen van 4 verzen.

De 7 auteurs zijn:

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

Een groep van 4 verzen kan het volgende vertegenwoordigen:

• Een complete strofe (kwatrijn)
• Een deel van een grotere strofe (5, 6, 7 verzen, etc.)
• Een combinatie tussen de laatste regels van een strofe en de eerste regels van de volgende strofe

Het doel van het probleem is om een model te bouwen dat de auteur van een groep van 4 verzen kan voorspellen.

Beschikbare bestanden

train.csv

De dataset voor training, met de volgende kolommen:

• Id – unieke identificator voor de groep verzen
• Versuri – inhoud van 4 verzen
• Autor – auteur van de verzen

Voorbeeld:

test.csv

De dataset voor testen, die de kolom Autor niet bevat:

• Id – unieke identificator
• Versuri – inhoud van 4 verzen

Voorbeeld:

Formaat van het inzendingsbestand

Het inzendingsbestand moet een CSV zijn met de volgende kolommen:

• Id – identificator van de groep verzen
• Autor – voorspelde auteur

Voorbeeld:

Opmerkingen

• Modellen kunnen elke techniek voor natuurlijke taalverwerking en machine learning gebruiken.
• De evaluatie zal plaatsvinden op basis van de nauwkeurigheid van de voorspellingen.

Evaluatie

De voorspellingen worden vergeleken met de werkelijke talen en de nauwkeurigheid wordt berekend:

1accuracy = (aantal_juiste_voorspellingen / totaal_aantal_voorspellingen)

De eindscore wordt berekend op basis van de behaalde nauwkeurigheid met de volgende regels:

• accuracy ≥ 0.9 → 100 punten
• accuracy ≤ 0.5 → 0 punten
• Voor tussenliggende waarden wordt een proportionele score tussen 0 en 100 toegekend.