| داده‌های این سوال را می‌توانید از [این لینک](/problemset/assignments/4367/download_problem_initial_project/197303/) دانلود کنید.|
| :--: |
در این سوال می‌خواهیم با استفاده از مجموعه‌داده‌ای از جملات انگلیسی، وجود تضاد میان دو جمله را از نظر معنایی تشخیص دهیم.
برای مثال دو جمله‌ی «امروز هوا بارانی است.» و «امروز هوا کاملاً صاف است.» معنایی متضاد یک‌دیگر دارند. اما دو جمله‌ی «اسم من علی است.» و «این درخت گردوست.» تضادی با یک‌دیگر ندارند.
# مجموعه‌داده
هنگامی‌که این فایل را از حالت فشرده خارج کنید، فایل‌های آموزش (`train.csv`) و آزمون (`test.csv`) در اختیار شما خواهند بود. فایل آموزش، **۶۶۹۴ سطر** و **۳ ستون** دارد.
جزییات فایل آموزش، در جدول زیر آمده است:
| نام ستون | توضیحات ستون |
|:----------|:------------------:|
|`SENTENCE A`|جمله اول|
|`SENTENCE B`|جمله دوم|
| `label` | اعداد 0 یا 1 |
+ **توجه ۱:** در ستون `label` عدد ۱ بیان‌گر تضاد و عدد ۰ نشان‌هنده عدم تضاد بین `SENTENCE A` و `SENTENCE B` است.
+ **توجه ۲:** فایل آزمون دارای ستون `label` نیست.
# صورت مسئله
با استفاده از مجموعه‌داده‌ی آموزشی، یک مدل برای پیش‌بینی تضاد بین نظرات آموزش دهید.
# ارزیابی
برای ارزیابی مدل شما از معیار `F1 Score` استفاده می‌شود و نتیجه نهایی بر اساس فرمول زیر محاسبه می‌گردد:
$$score= round(f1score, 3) \times 100$$
مقدار `F1 Score` مدل شما تا ۳ رقم اعشار گرد شده و پس از ضرب در ۱۰۰ به‌عنوان امتیاز شما از این سوال لحاظ می‌شود. بیشترین امتیاز ممکن از این سوال ۱۰۰ و کمترین امتیاز ممکن، صفر است.
<details class="red">
<summary>
**توجه**
</summary>
در طول مسابقه امتیازی که مشاهده می‌کنید، فقط نتیجه‌ی `F1 Score` روی ۳۰ درصد از فایلی است که برای کوئرا آپلود می‌کنید. بعد از پایان زمان مسابقه، **امتیاز نهایی** شما روی ۷۰ درصد مابقی محاسبه می‌شود.
این کار به منظور جلوگیری از `overfitting` و حفظ عمومیت مدل انجام می‌شود تا مطمئن شویم مدل‌هایی که دچار بیش‌برازش شده‌اند، در امتیازهی نهایی، افت می‌کنند.
</details>
# خروجی
پیش‌بینی‌های مدل خود بر روی دیتای آزمون (`test.csv`) را در فایلی با نام `output.csv` قرار دهید. این فایل باید دارای یک ستون با نام `label` باشد که ردیف `i`ام آن، پیش‌بینی شما برای سطر `i`ام مجموعه‌داده‌ی آزمون باشد (دقت کنید که این ستون باید حتماً دارای `header` باشد).
بعد از آماده‌سازی فایل `output.csv`، آن را در سامانه بارگذاری کنید.
## نمونه خروجی
فایل `output.csv` شما باید چیزی شبیه به زیر باشد: (فقط سه خط اول به همراه نام ستون آورده شده است)
```
label
0
1
0
```
<details class="yellow">
<summary>
**توجه**
</summary>
حتما فایل `output.csv` باید دارای ۷۴۴ سطر (بدون در نظر گرفتن `header`) و یک ستون باشد.
هم‌چنین نام ستون بایستی بدون `space` اضافه باشد. در غیر این‌صورت، سیستم داوری نمره‌ای به شما نخواهد داد.
</details>
<details class="red">
<summary>
**هشدار**
</summary>
فراموش نکنید که **قبل از پایان زمان مسابقه**، **باید** تمامی کد‌های این مسابقه را از قسمت **بارگذاری کُد** برای ما ارسال کنید. در غیر این‌صورت، شما از این مسابقه، امتیازی کسب نمی‌کنید.
توجه داشته باشید که اگر از `jupter notebook` استفاده می‌کنید بایستی همانند توضیحات قسمت **بارگذاری کُد**، خروجی `.py` را دریافت و برای ارسال در نظر بگیرید. ارسال فایل‌های `jupyter` همانند `.ipynb` مورد قبول نیستند.
</details>