Identificação do autor de alguns versos

Descrição do problema

É fornecido um conjunto de dados com poesias em língua romena, cada uma escrita por um dos 7 autores. As poesias foram posteriormente divididas em grupos de 4 versos.

Os 7 autores são:

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

Um grupo de 4 versos pode representar:

• Uma estrofe completa (quadra)
• Uma parte de uma estrofe maior (5, 6, 7 versos, etc.)
• Uma combinação entre os últimos versos de uma estrofe e os primeiros versos da estrofe seguinte

O objetivo do problema é construir um modelo que possa prever o autor de um grupo de 4 versos.

Arquivos disponíveis

train.csv

Conjunto de dados para treinamento, contendo as seguintes colunas:

• Id – identificador único para o grupo de versos
• Versuri – conteúdo de 4 versos
• Autor – autor dos versos

Exemplo:

test.csv

Conjunto de dados para teste, que não contém a coluna Autor:

• Id – identificador único
• Versuri – conteúdo de 4 versos

Exemplo:

Formato do arquivo de submissão

O arquivo de submissão deve ser um CSV com as seguintes colunas:

• Id – identificador do grupo de versos
• Autor – autor previsto

Exemplo:

Observações

• Os modelos podem usar qualquer técnica de processamento de linguagem natural e machine learning.
• A avaliação será feita com base na acurácia das previsões.

Avaliação

As previsões serão comparadas com os rótulos reais e será calculada a acurácia:

1accuracy = (numero_previsoes_corretas / numero_total_previsoes)

A pontuação final é calculada com base na acurácia obtida usando as seguintes regras:

• accuracy ≥ 0.9 → 100 pontos
• accuracy ≤ 0.5 → 0 pontos
• Para valores intermediários é atribuída pontuação proporcional entre 0 e 100.