Редакція новин

Історія

Редакція міжнародного інформаційного агентства щодня обробляє тисячі статей з різних галузей: економіки, політики, науки, технологій та екології. Щоб швидко архівувати та розповсюджувати інформацію, кожну статтю потрібно віднести до певної тематичної категорії.

Через технічну несправність етикетки деяких нещодавніх статей було втрачено. Редакція звертається до тебе з проханням створити інтелектуальну систему, яка зможе автоматично класифікувати новинні статті на основі їх змісту.

Завдання

Надано два вхідні файли:

• train.csv – містить новинні статті, для яких категорія відома
• test.csv – містить новинні статті без категорії

Кожна стаття ідентифікується унікальним id та має пов'язаний з нею текст.
Використовуючи дані з train.csv, потрібно побудувати модель класифікації, яка передбачить етикетку (label) для кожної статті з test.csv.

Результат буде збережено у файлі submission.csv.

Формат файлів

train.csv

Містить наступні колонки:

• id – унікальний ідентифікатор статті (рядок, наприклад 000001)
• text – зміст статті
• label – категорія статті (ціле число)

Приклад:

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

Містить наступні колонки:

• id – унікальний ідентифікатор
• text – зміст статті

Приклад:

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

Згенерований файл для подання повинен бути у форматі csv та містити наступне:

• id – ідентифікатор статті
• label – передбачена категорія

Приклад:

1id,label2120001,23120002,34120003,3

Зауваження

• Етикетки є цілими числовими значеннями, а їх значення потрібно вивести виключно з train.csv.
• Дозволені будь-які методи обробки природної мови та машинного навчання.
• Оцінювання рішень проводиться на основі точності передбачень.

Оцінювання

Передбачення будуть порівняні з реальними мітками та буде обчислена точність:

1accuracy = (кількість_правильних_передбачень / загальна_кількість_передбачень)

Фінальний бал обчислюється на основі отриманої точності за наступними правилами:

• accuracy ≥ 0.98 → 100 балів
• accuracy ≤ 0.9 → 0 балів
• Для проміжних значень нараховується пропорційний бал між 0 та 100.