Редакција вести

Priča

Redakcija jedne međunarodne novinske agencije svakodnevno upravlja hiljadama članaka iz različitih oblasti: ekonomija, politika, nauka, tehnologija i životna sredina. Da bi mogla brzo da arhivira i distribuira informacije, svaki članak mora biti svrstana u tematsku kategoriju.

Zbog tehničke greške, etikete nekih nedavnih članaka su izgubljene. Redakcija se obraća tebi da konstruišeš inteligentan sistem koji može automatski da klasifikuje novinske članke na osnovu njihovog sadržaja.

Zahtev

Daju se dva ulazna fajla:

• train.csv – sadrži novinske članke za koje je kategorija poznata
• test.csv – sadrži novinske članke bez kategorije

Svaki članak je identifikovan jedinstvenim id i ima pridružen tekst.
Koristeći podatke iz train.csv, trebaš da konstruišeš model klasifikacije koji će predvideti etiketu (label) svakog članka iz test.csv.

Rezultat će biti sačuvan u fajlu submission.csv.

Format fajlova

train.csv

Sadrži sledeće kolone:

• id – jedinstveni identifikator članka (string, npr. 000001)
• text – sadržaj članka
• label – kategorija članka (ceo broj)

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

Sadrži sledeće kolone:

• id – jedinstveni identifikator
• text – sadržaj 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

Fajl generisan za submisiju treba da bude u csv formatu i da sadrži sledeće:

• id – identifikator članka
• label – predviđena kategorija

Primer:

1id,label2120001,23120002,34120003,3

Napomene

• Etikete su numeričke celobrojne vrednosti, a njihovo značenje treba da bude dedukovano isključivo iz train.csv.
• Dozvoljene su bilo koje metode obrade prirodnog jezika i mašinskog učenja.
• Evaluacija rešenja se vrši na osnovu tačnosti predikcija.

Evaluacija

Predikcije će biti poređene sa stvarnim etiketama i izračunaće se tačnost:

1accuracy = (broj_tačnih_predikcija / ukupan_broj_predikcija)

Finalni rezultat se izračunava na osnovu postignute tačnosti koristeći sledeća pravila:

• accuracy ≥ 0.98 → 100 poena
• accuracy ≤ 0.9 → 0 poena
• Za međuvrednosti se dodeljuje proporcionalan broj poena između 0 i 100.