Kaggle赛题解析：打字与写作质量预测

• 赛题名称：Linking Writing Processes to Writing Quality
• 赛题任务：通过打字来预测论文质量
• 赛题类型：数据挖掘
• 赛题链接👇：

https://www.kaggle.com/competitions/linking-writing-processes-to-writing-quality

比赛介绍

在写作过程中，总结复杂的行为动作和认知活动是困难的。作者可能会使用不同的技巧来规划和修改他们的工作，展示不同的暂停模式，或者在整个写作过程中有策略地分配时间。许多这些小动作可能会影响写作质量。尽管如此，大多数写作评估仅关注最终成果。数据科学可能能够揭示写作过程的关键方面。

这个竞赛的目标是预测文章的整体写作质量。打字行为是否会影响一篇文章的质量？您将开发一个模型，该模型经过大量键盘输入记录的数据集进行训练，这些数据集捕捉了写作过程中的各种特征。

评估指标

我们使用均方根误差（Root Mean Squared Error，RMSE）来评分提交的结果，其定义如下：

其中，𝑦𝑖是每个实例𝑖的原始值，𝑦ˆ𝑖是预测值，n是总实例数。

数据集介绍

这个竞赛的数据集包括约5000份用户在撰写文章过程中的输入日志，包括键盘输入和鼠标点击。每篇文章都在0到6的评分范围内进行了评分。您的目标是根据用户输入的日志来预测文章的评分。

• train_logs.csv
  
• Nonproduction
  - 事件不以任何方式改变文本
• Input
  - 事件向文章添加文本
• Remove/Cut
  - 事件从文章中删除文本
• Paste
  - 事件通过粘贴输入更改文本
• Replace
  - 事件将文本的一部分替换为另一个字符串
• Move From [x1, y1] To [x2, y2]
  - 事件将跨越字符索引 x1
  、y1
  的文本部分移动到新位置 x2
  、y2
  
• 用作训练数据的输入日志。为了防止重新生成文章文本，所有的字母数字字符输入都已被替换为 "anonymous" 字符；标点符号和其他特殊字符没有被匿名化。
• id
  - 文章的唯一ID
• event_id
  - 事件的索引，按时间顺序排列
• down_time
  - 按下事件的时间（以毫秒为单位）
• up_time
  - 弹起事件的时间（以毫秒为单位）
• action_time
  - 事件的持续时间（down_time
  和 up_time
  的差值）
• activity
  - 事件所属的活动类别
• down_event
  - 键盘/鼠标按下时的事件名称
• up_event
  - 键盘/鼠标释放时的事件名称
• text_change
  - 事件导致的文本更改（如果有的话）
• cursor_position
  - 事件后文本光标的字符索引
• word_count
  - 事件后文章的字数

请注意，测试集中可能会存在在训练集中未出现的事件。因此，您的解决方案应对未见过的事件具有鲁棒性。

• test_logs.csv
  - 用作测试数据的输入日志，包含与 train_logs.csv
  相同的字段。公开版本的此文件中的日志仅用作示例以说明格式。
• train_scores.csv
  
• id
  - 文章的唯一ID
• score
  - 文章获得的评分（最高6分，是竞赛的预测目标）

赛题赛程

• 2024 年 1 月 2 日 - 报名截止日期
• 2024 年 1 月 9 日 - 团队合并截止日期
• 2024 年 1 月 9 日 - 最终提交截止日期

#  竞赛交流群 邀请函  #

每天大模型、算法竞赛、干货资讯