Redakcia správ

Príbeh

Redakcia medzinárodnej tlačovej agentúry denne spravuje tisíce článkov pochádzajúcich z rôznych oblastí: ekonomika, politika, veda, technológie a životné prostredie. Aby mohla rýchlo archivovať a distribuovať informácie, každý článok musí byť zaradený do tematickej kategórie.

Kvôli technickej poruche boli stratené štítky niektorých nedávnych článkov. Redakcia sa obracia na teba, aby si vybudoval inteligentný systém, ktorý dokáže automaticky klasifikovať spravodajské články na základe ich obsahu.

Požiadavka

Sú dané dva vstupné súbory:

• train.csv – obsahuje spravodajské články, pre ktoré je kategória známa
• test.csv – obsahuje spravodajské články bez kategórie

Každý článok je identifikovaný jedinečným id a má priradený text.
Pomocou údajov z train.csv musíš vybudovať klasifikačný model, ktorý predpovedá štítok (label) každého článku z test.csv.

Výsledok bude uložený do súboru submission.csv.

Formát súborov

train.csv

Obsahuje nasledujúce stľpce:

• id – jedinečný identifikátor článku (string, napr. 000001)
• text – obsah článku
• label – kategória článku (celé číslo)

Príklad:

1id,text,label2000001,"Wall St. Bears Claw Back Into the Black (Reuters)...",23000002,"Carlyle Looks Toward Commercial Aerospace (Reuters)...",24000003,"Oil and Economy Cloud Stocks' Outlook (Reuters)...",2

test.csv

Obsahuje nasledujúce stľpce:

• id – jedinečný identifikátor
• text – obsah článku

Príklad:

1id,text2120001,"Fears for T N pension after talks Unions represent..."3120002,"The Race is On: Second Private Team Sets Launch..."4120003,"Ky. Company Wins Grant to Study Peptides (AP)..."

submission.csv

Súbor generovaný pre submisiu musí byť vo formáte csv a musí obsahovať nasledujúce:

• id – identifikátor článku
• label – predpovedaná kategória

Príklad:

1id,label2120001,23120002,34120003,3

Poznámky

• Štítky sú číselné celočíselné hodnoty a ich význam musí byť odvodený výlučne z train.csv.
• Sú povolené akékoľvek metódy spracovania prirodzeného jazyka a strojového učenia.
• Hodnotenie riešení sa vykonáva na základe presnosti predpovedí.

Hodnotenie

Predpovede budú porovnané so skutočnými štítkami a vypočíta sa presnosť:

1accuracy = (počet_správnych_predpovedí / celkový_počet_predpovedí)

Finálne skóre je vypočítané na základe dosiahnutej presnosti pomocou nasledujúcich pravidiel:

• accuracy ≥ 0.98 → 100 bodov
• accuracy ≤ 0.9 → 0 bodov
• Pre medzilehlé hodnoty sa udeľuje skóre proporcionálne medzi 0 a 100.