Identifisering av forfatteren til vers

Problembeskrivelse

Det gis et datasett med dikt på rumensk, hver skrevet av en av 7 forfattere. Diktene har senere blitt delt inn i grupper på 4 vers.

De 7 forfatterne er:

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

En gruppe på 4 vers kan representere:

• En komplett strofe (katren)
• En del av en større strofe (5, 6, 7 vers, etc.)
• En kombinasjon mellom de siste linjene fra en strofe og de første linjene fra neste strofe

Målet med problemet er å bygge en modell som kan predikere forfatteren av en gruppe på 4 vers.

Tilgjengelige filer

train.csv

Datasettet for trening, som inneholder følgende kolonner:

• Id – unik identifikator for versgruppen
• Versuri – innholdet av 4 vers
• Autor – forfatteren av versene

Eksempel:

test.csv

Datasettet for testing, som ikke inneholder kolonnen Autor:

• Id – unik identifikator
• Versuri – innholdet av 4 vers

Eksempel:

Format for innleveringsfil

Innleveringsfilen må være en CSV med følgende kolonner:

• Id – identifikatoren til versgruppen
• Autor – den predikerte forfatteren

Eksempel:

Merknader

• Modellene kan bruke hvilken som helst teknikk for naturlig språkbehandling og maskinlæring.
• Evalueringen vil bli gjort basert på nøyaktigheten av prediksjoner.

Evaluering

Prediksjoner vil bli sammenlignet med de faktiske språkene og nøyaktigheten vil bli beregnet:

1accuracy = (antall_korrekte_prediksjoner / totalt_antall_prediksjoner)

Den endelige poengsummen beregnes basert på oppnådd nøyaktighet ved hjelp av følgende regler:

• accuracy ≥ 0.9 → 100 poeng
• accuracy ≤ 0.5 → 0 poeng
• For mellomverdier tildeles proporsjonale poeng mellom 0 og 100.