Klasifikacija besedil v tematske kategorije

📰 Klasifikacija besedil v tematske kategorije

📘 Opis problema

Želimo zgraditi model za klasifikacijo besedila, ki bo vsaki novici pripisal eno od treh tematskih kategorij:

• WELLNESS
• ENTERTAINMENT
• POLITICS

Model se mora naučiti na podlagi učnih besedil in napovedati etiketo (label) za nova besedila.

To je problem večrazredne klasifikacije (multi-class classification).

---

🔹 Struktura podatkov

train.csv

Vsebuje besedilo in ustrezno kategorijo (etiketo).
Vsaka vrstica predstavlja novico.

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

Vsebuje samo besedila, za katera je treba narediti napoved.

SampleID	text
106057	Taylor Swift Calls Out Sexist Critics Again

---

📤 Oddaja

Izhodna datoteka se mora imenovati submission.csv in mora vsebovati dva stolpca:

• SampleID — edinstveni identifikator besedila
• label — kategorija, ki jo je napovedal model (WELLNESS, ENTERTAINMENT ali POLITICS)

Primer:

SampleID	label
106057	ENTERTAINMENT
297	ENTERTAINMENT
2274	POLITICS

---

⚙️ Vrednotenje

Uspešnost modelov bo merjena z uporabo macro F1-score, uravnotežene metrike za večrazredno klasifikacijo:

kjer je:

• 
• 

Končni rezultat se izračuna kot aritmetična sredina F1-score-ov za vse razrede.

---

📊 Vir

Nabor podatkov je izveden iz zbirke novic z različnimi temami (dobro počutje, zabava, politika), ki izvirajo z javnih medijskih platform.

---

🗂️ Koristni viri

• Popoln Starter Kit – vsebuje ogrodje, s katerim lahko začnete reševati problem