Uredništvo novic

Zgodba

Uredništvo mednarodne tiskovne agencije dnevno upravlja tisoče člankov iz različnih področij: gospodarstvo, politika, znanost, tehnologija in okolje. Da bi lahko hitro arhivirali in distribuirali informacije, mora biti vsak članek uvrščen v tematsko kategorijo.

Zaradi tehnične okvare so bile izgubljene oznake nekaterih nedavnih člankov. Uredništvo se obrača nate, da zgradiš pameten sistem, ki bo lahko samodejno klasificiral novičarske članke na podlagi njihove vsebine.

Zahteva

Podani sta dve vhodni datoteki:

• train.csv – vsebuje novičarske članke, za katere je kategorija znana
• test.csv – vsebuje novičarske članke brez kategorije

Vsak članek je identificiran z edinstvenim id in ima povezan tekst.
Z uporabo podatkov iz train.csv moraš zgraditi klasifikacijski model, ki bo napovedal oznako (label) vsakega članka iz test.csv.

Rezultat bo shranjen v datoteko submission.csv.

Format datotek

train.csv

Vsebuje naslednje stolpce:

• id – edinstveni identifikator članka (string, npr. 000001)
• text – vsebina članka
• label – kategorija članka (celo število)

Primer:

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

Vsebuje naslednje stolpce:

• id – edinstveni identifikator
• text – vsebina članka

Primer:

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

Datoteka, generirana za oddajo, mora biti v formatu csv in vsebovati naslednje:

• id – identifikator članka
• label – napovedana kategorija

Primer:

1id,label2120001,23120002,34120003,3

Opombe

• Oznake so numerične celoštevilske vrednosti, njihov pomen pa mora biti izpeljan izključno iz train.csv.
• Dovoljene so vse metode obdelave naravnega jezika in strojnega učenja.
• Vrednotenje rešitev se izvaja na podlagi natančnosti napovedi.

Vrednotenje

Napovedi bodo primerjane z dejanskimi oznakami in izračunana bo natančnost:

1accuracy = (število_pravilnih_napovedi / skupno_število_napovedi)

Končni rezultat je izračunan na podlagi dosežene natančnosti z uporabo naslednjih pravil:

• accuracy ≥ 0.98 → 100 točk
• accuracy ≤ 0.9 → 0 točk
• Za vmesne vrednosti se dodeljuje sorazmeren rezultat med 0 in 100.