فایل اولیه‌ی پروژه را می‌توانید از این لینک دانلود کنید.

رایلی دیگر آن دختربچه کوچک نیست! او حالا یک جوان ۲۳ ساله است که در دنیای پیچیده و پرهیاهوی شبکه‌های اجتماعی زندگی می‌کند. مرکز فرماندهی ذهن او با بحرانی بی‌سابقه روبرو شده است.

هزاران پیام، توییت و کامنت از دنیای بیرون (توییتر، اینستاگرام و ...) به سمت مرکز سرازیر شده‌اند. سیستم قدیمی دسته‌بندی خاطرات که مسئولیتش با Joy (شادی) و Sadness (غم) بود، زیر بار این حجم از داده‌های پیچیده و متناقض از کار افتاده است.

بدتر از همه اینکه سیستم‌های مدرن و گران‌قیمت "تغییرشکل‌دهنده" (Transformers/BERT) به دلیل مصرف انرژی بیش از حد و تحریم‌های بخش فنی، خاموش شده‌اند!

ما اکنون به روش‌های کلاسیک اما قدرتمند مهندسی اعصاب نیاز داریم. شما به عنوان مهندس ارشد بخش حافظه بلندمدت استخدام شده‌اید. وظیفه شما این است که سیستمی طراحی کنید که بتواند گوی‌های خاطرات (متون) را بخواند و آن‌ها را به درستی در ۷ جزیره شخصیتی رایلی دسته‌بندی کند.

آیا می‌توانید بدون کمک گرفتن از ربات‌های غول‌پیکر (مدل‌های زبانی بزرگ)، نظم را به ذهن رایلی برگردانید؟

---

شما یک دیتاست شامل نظرات و متون فارسی از شبکه‌های اجتماعی دریافت می‌کنید. هدف مدل شما تشخیص دقیق احساس نهفته در هر متن است. این یک مسئله Classification با ۷ کلاس مختلف است.

خروجی مدل شما باید دقیقاً یکی از موارد زیر باشد:

برای اینکه مهارت واقعی شما در درک معماری شبکه‌های عصبی سنجیده شود، قوانین سخت‌گیرانه‌ای برای این سوال وضع شده است. استفاده از هرگونه مدل مبتنی بر ترنسفورمر (Transformer-based) ممنوع است. مدل ‌هایی مثل BERT, ParsBERT, RoBERTa, ALBERT, GPT, XLNet و ... ممنوع است. اما استفاده از Embeddingهای از پیش آموزش‌دیده استاتیک موردی ندارد.

معیار ارزیابی

از آنجا که احساسات در دنیای واقعی به یک اندازه توزیع نشده‌اند (دیتاست نامتوازن است)، معیار داوری F1-Score با میانگین‌گیری Macro است.

\[\text{Macro F1} = \frac{\sum_{i=1}^{n} F1_i}{n}\]

• این یعنی عملکرد مدل شما روی کلاس‌های کم‌تعداد (مثل ترس و تنفر) به اندازه کلاس‌های پرتعداد (مثل سایر) اهمیت دارد.

• حد نصاب: اگر امتیاز F1-Macro مدل شما کمتر از 0.20 باشد، یعنی سیستم شما قادر به تفکیک احساسات نیست و نمره 0 دریافت خواهید کرد.

فرمت ارسال

شما باید یک فایل با فرمت .csv ارسال کنید که شامل هدر باشد و دقیقاً دو ستون داشته باشد:

1. ID: شناسه منحصر‌به‌فرد متن (که در فایل تست داده شده است).

2. label: پیش‌بینی مدل شما (با حروف بزرگ انگلیسی).

نمونه فایل ارسالی صحیح:

ID,label
1000,HAPPY
1001,OTHER
1002,ANGRY
1003,HATE
...

نکات فنی:

• تعداد سطرهای فایل ارسالی باید دقیقاً برابر با تعداد سطرهای فایل تست باشد.
• ارسال فایل notebook.ipynb که کد مدل و مراحل آموزش در آن مشخص باشد، الزامی است. داوران کد شما را چک می‌کنند و در صورت استفاده از مدل‌های ممنوعه، امتیاز صفر لحاظ می‌شود.