Klasifikácia textov do tematických kategórií

📰 Klasifikácia textov do tematických kategórií

📘 Popis problému

Cieľom je vybudovanie modelu klasifikácie textu, ktorý priradí každej správe jednu z troch tematických kategórií:

• WELLNESS
• ENTERTAINMENT
• POLITICS

Model musí sa učiť na základe trénovacích textov a predpovedať etiketu (label) pre nové texty.

Toto je problém viactriednej klasifikácie (multi-class classification).

---

🔹 Štruktúra dát

train.csv

Obsahuje text a príslušnú kategóriu (etiketu).
Každý riadok predstavuje jednu správu.

SampleID	text	label
139768	Take a Presence Power Break (The New Coffee Break) As soon as you honor the present moment...	WELLNESS
297	Yolanda Hadid Returns To Social Media After 9-Month Break For Depression, Lyme Relapse...	ENTERTAINMENT
2274	Democrats Want Paid Sick Days, Breaks For Domestic Workers...	POLITICS

---

test.csv

Obsahuje iba texty, pre ktoré treba urobiť predikciu.

SampleID	text
106057	Taylor Swift Calls Out Sexist Critics Again

---

📤 Submisia

Výstupný súbor sa musí volať submission.csv a musí obsahovať dva stĺpce:

• SampleID — jedinečný identifikátor textu
• label — kategória predpovedaná modelom (WELLNESS, ENTERTAINMENT alebo POLITICS)

Príklad:

SampleID	label
106057	ENTERTAINMENT
297	ENTERTAINMENT
2274	POLITICS

---

⚙️ Hodnotenie

Výkonnosť modelov bude meraná pomocou macro F1-score, vyváženej metriky pre viactriednu klasifikáciu:

kde:

• 
• 

Finálne skóre sa vypočíta ako aritmetický priemer F1-score pre všetky triedy.

---

📊 Zdroj

Dataset je odvodený z kolekcie správ s rôznymi témami (wellness, zábava, politika), pochádzajúcich z verejných mediálnych platforiem.

---

🗂️ Užitočné zdroje

• Kompletný Starter Kit – obsahuje kostru, od ktorej môžete začať riešenie problému