Klasifikacija tekstova u tematske kategorije

📰 Klasifikacija tekstova u tematske kategorije

📘 Opis problema

Želi se izgradnja modela za klasifikaciju teksta koji će svakoj vesti dodeliti jednu od tri tematske kategorije:

• WELLNESS
• ENTERTAINMENT
• POLITICS

Model treba da uči na osnovu tekstova za obuku i da predvidi etiketu (label) za nove tekstove.

Ovo je problem multi-klasa klasifikacije (multi-class classification).

---

🔹 Struktura podataka

train.csv

Sadrži tekst i odgovarajuću kategoriju (etiketu).
Svaki red predstavlja jednu vest.

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

Sadrži samo tekstove za koje treba napraviti predikciju.

SampleID	text
106057	Taylor Swift Calls Out Sexist Critics Again

---

📤 Predaja

Izlazni fajl treba da se zove submission.csv i da sadrži dve kolone:

• SampleID — jedinstveni identifikator teksta
• label — kategorija predviđena od strane modela (WELLNESS, ENTERTAINMENT ili POLITICS)

Primer:

SampleID	label
106057	ENTERTAINMENT
297	ENTERTAINMENT
2274	POLITICS

---

⚙️ Evaluacija

Performanse modela će biti merene koristeći macro F1-score, uravnoteženu metriku za multi-klasa klasifikaciju:

gde je:

• 
• 

Finalni skor se računa kao aritmetička sredina F1-score-ova za sve klase.

---

📊 Izvor

Dataset je izveden iz kolekcije vesti sa različitim temama (blagostanje, zabava, politika), koje potiču sa javnih medijskih platformi.

---

🗂️ Korisni resursi

• Kompletni Starter Kit – sadrži kostur od kojeg možete početi rešavanje problema