Завантаження...
Складність
Ваш найкращий результат
Н/Д
Метою цієї задачі є ідентифікація та класифікація текстів залежно від регіональної специфіки або стандартної форми румунської мови. Набір даних містить фрагменти тексту, зібрані з різних регіонів.
| Стовпець | Опис |
|---|---|
| ID | Унікальний ідентифікатор для кожного фрагмента тексту |
| text | Власне зміст фрази румунською мовою |
| label | Класифікація діалекту тексту (цільовий стовпець) |
Примітка: Стовпець label (Діалект) доступний лише в навчальних даних (train.csv). Можливі три класи: româna standard (стандартна румунська), graiul moldovenesc (молдовська говірка) та graiul bănățean (банатська говірка).
Частина текстів була взята з твору "Cinci pâini" Іона Крянге. Обчисліть загальну кількість входжень слова "pâni" (архаїчна форма слова "pâini") у файлах train.csv та test.csv.
У файлі train.csv обчисліть середню кількість розділових знаків для текстів молдовською говіркою та банатською говіркою. Поверніть абсолютне значення (модуль) різниці між цими двома значеннями, округлене до 2 знаків після коми.
Для кожного рядка з test.csv обчисліть кількість діакритичних знаків у тексті. Діакритиками вважаються символи: ă, â, î, ș, ț (та їхні великі варіанти Ă, Â, Î, Ș, Ț).
Побудуйте модель, здатну правильно класифікувати тексти з тестового файлу в один із 3 класів.
Оцінювання здійснюється шляхом точної перевірки відповіді. Правильна відповідь = максимальний бал, неправильна відповідь = 0 балів.
Оцінювання здійснюється за метрикою accuracy — частка правильних відповідей від загальної кількості. Бали нараховуються пропорційно: accuracy 1.0 = 10 балів, accuracy 0.0 = 0 балів.
Оцінювання здійснюється за допомогою метрики F1-Macro.
Файл для відправки має бути у форматі CSV і містити наступні стовпці:
1.ID у файлі test.csv.subtaskID,datapointID,answer1,1,322,1,5.073,101,23,102,43,103,2...4,101,româna standard4,102,graiul moldovenesc4,103,graiul bănățean...Примітка: Розв'язання цієї задачі не потребує використання архітектур типу Transformer (наприклад, RoBERTa).