Identifiering av författaren till verser

Problembeskrivning

En dataset med dikter på rumänska tillhandahålls, var och en skriven av en av 7 författare. Dikterna har sedan delats upp i grupper om 4 verser.

De 7 författarna är:

• Ana Blandiana
• George Bacovia
• George Toparceanu
• Grigore Vieru
• Lucian Blaga
• Mihai Eminescu
• Vasile Alecsandri

En grupp om 4 verser kan representera:

• En komplett strof (kvatrain)
• En del av en större strof (5, 6, 7 verser, etc.)
• En kombination mellan de sista raderna från en strof och de första raderna från nästa strof

Målet med problemet är att bygga en modell som kan förutsäga författaren till en grupp om 4 verser.

Tillgängliga filer

train.csv

Datasetet för träning, innehållande följande kolumner:

• Id – unik identifierare för versgruppen
• Versuri – innehållet av 4 verser
• Autor – författaren till verserna

Exempel:

test.csv

Datasetet för testning, som inte innehåller kolumnen Autor:

• Id – unik identifierare
• Versuri – innehållet av 4 verser

Exempel:

Format för inlämningsfilen

Inlämningsfilen ska vara en CSV med följande kolumner:

• Id – identifieraren för versgruppen
• Autor – den förutsagda författaren

Exempel:

Observationer

• Modellerna kan använda vilken teknik som helst för naturlig språkbehandling och maskininlärning.
• Utvärderingen kommer att baseras på noggrannheten i förutsägelserna.

Utvärdering

Förutsägelserna kommer att jämföras med de verkliga språken och noggrannheten kommer att beräknas:

1accuracy = (antal_korrekta_förutsägelser / totalt_antal_förutsägelser)

Det slutliga poängtalet beräknas baserat på den uppnådda noggrannheten enligt följande regler:

• accuracy ≥ 0.9 → 100 poäng
• accuracy ≤ 0.5 → 0 poäng
• För mellanliggande värden tilldelas poäng proportionellt mellan 0 och 100.