FeaturedBanner-4eefdf1d

Группа в ВК

**Принимая участие в соревновании, вы соглашаетесь с [Правилами участия](https://disk.yandex.ru/i/lacDKE6nmE_OXg).**

## Описание задачи

В 2026 году Омск носит статус **Культурной столицы России**. В городе проходят сотни спортивных, культурных и общественных событий, каждое из них по-разному отражается в СМИ. Одни публикации остаются почти незамеченными, другие получают широкий резонанс. При планировании
информационного сопровождения мероприятий важно заранее понимать и оценивать, **насколько заметной** окажется та или иная публикация.

Сервисы медиамониторинга (например, «Медиалогия») оценивают каждую публикацию числом — **заметностью**. Чем выше значение, тем сильнее публикация «звучит» в медиаполе. Но заметность сильно зависит от **издания**. Материал в крупном СМИ почти всегда заметнее заметки
в районной газете, и это не заслуга текста. Поэтому в задаче предлагается предсказывать **нормированную заметность**: насколько публикация заметнее **обычной для своего же издания**. Так название СМИ перестаёт быть «ярлыком», и выигрывает тот, кто лучше извлекает сигнал из **содержания**.

Участникам предлагается построить модель, которая по основной информации о публикации (заголовок, лид статьи и издание) предсказывает её нормированную заметность. Это задача обработки естественного
языка (NLP) и регрессии. Решение должно работать на ресурсах центрального процессора без использования мощностей видеокарт.

## Метрика

Качество оценивается [**модулем коэффициента ранговой корреляции Спирмена**](https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.spearmanr.html) между предсказанной и истинной нормированной заметностью:

$$
\mathrm{score} = \left|\operatorname{corr}\big(\operatorname{rank}(y_{\text{true}}),\ \operatorname{rank}(y_{\text{pred}})\big)\right|
$$

- значение лежит в диапазоне от 0 до 1, **выше — лучше**;
- метрика смотрит на **порядок** публикаций по заметности, а не на абсолютные значения, поэтому
  устойчива к скосу распределения и выбросам;
- константные предсказания допустимы, но не содержат ранжирующего сигнала и получают значение 0.0.

Метрика считается **автоматически** при отправке решения. При этом тест
делится на **публичную** (виден предварительный результат в лидерборде) и **приватную** (определяет итоговые места) части.

## Данные

Набор данных собран на основе мониторинга публикаций об омских событиях. Каждая строка соответствует одной публикации в СМИ.

Файлы:

| Файл | Назначение |
|------|------------|
| `train.csv` | обучающая выборка с известной заметностью |
| `test.csv` | тестовая выборка без заметности, на ней делаются предсказания |
| `sample_submission.csv` | пример файла с предсказаниями |

Колонки:

- `id` — уникальный идентификатор публикации;
- `title` — заголовок публикации;
- `text` — лид статьи (первые 500 символов);
- `date` — дата публикации;
- `outlet` — издание (СМИ), где вышла публикация;
- `target` — **нормированная заметность** (только в `train.csv`; это и есть целевая переменная).

`target` — это z-оценка заметности **внутри каждого издания**: насколько публикация заметнее типичной для своего СМИ. У любого издания среднее `target` равно нулю, поэтому угадать значение просто по названию издания нельзя, нужен текст.

Особенности данных, о которых стоит знать:

- выборки разделены **по времени**: тест — это публикации, вышедшие позже обучающих;
- тело статьи **намеренно обрезано до лида**: так заметность нельзя угадать просто по длине статьи, решает именно содержание;
- название издания (`outlet`) выдаётся как признак, но **само по себе не помогает**: целевой признак нормирован внутри издания.

## Baseline (базовое решение)

Этот baseline **специально сделан простым** и служит примером организации конвейера обработки данных. Решение протестировано с применением интерпретатора Python 3.12.4.

baseline

## Формат решения

На проверку отправляется CSV-файл с двумя колонками: `id` и `predict`. Каждая строка представлена в виде пары «идентификатор публикации из `test.csv`» и «предсказанная нормированная заметность». Файл должен покрывать **все** `id` из `test.csv`.

Абсолютные значения не важны сами по себе, поскольку метрика смотрит на порядок. Важно **правильно ранжировать** публикации.

sample_submission

## Правила использования данных и ресурсов

- **Решение на CPU,** значит тяжёлые внешние сервисы и платные API использовать не нужно.
- **Разрешается** использовать открытые ресурсы со свободной некоммерческой лицензией: предварительно обученные эмбеддинги/модели, корпуса для обучения векторов, лексиконы тональности и т.п.
- **Запрещено** пытаться «подсмотреть» истинную заметность тестовых публикаций во внешних сервисах медиамониторинга или вручную размечать тест. Оценивается именно предсказание по тексту.

Приватный обмен идеями (private sharing), решениями и кодом между участниками **запрещён**. В случае обнаружения этого факта, все причастные решения аннулируются.

Задача хакатона — научить модель предсказывать, какие новости Омска окажутся наиболее популярными. Её подготовили преподаватели кафедры «Прикладная математика и фундаментальная информатика» ОмГТУ!

Public

Private

Данные

Agreement

Я согласен(-на) с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/odsaifooter/Service_agreement.pdf">Соглашением об услугах</a>. Обработка персональных данных Участников Активностей производится на основании Соглашения об услугах.

You have reached the registration page for the &quot;City Pulse&quot; Hackathon organized by the AI Academy.&nbsp;When registering, please use the same email address that you used to register on&nbsp;<a href="https://ai-academy.ru/" rel="noreferrer" target="_blank">ai-academy.ru</a>.

first_name_ru

#	Teams (52)	Absolute Spearman	Last	Entries
1	hashtag grrrMondays	0.3987313875	19d	25
2	dupe	0.3864363832	19d	24
3	шемелис	0.3787536234	19d	19
4	Лукинер	0.3741015565	19d	22
5	Тимофей Клестер	0.3574695212	19d	17
6	ABB	0.3551011315	19d	25
7	Колегов	0.354017661	19d	13
8	Пуфыстики	0.3535865458	19d	18
9	ПЕНЬ_TEAM	0.3491326542	19d	20
10	АДЕЖДА СИБИРИ	0.3477087563	19d	25
11	DDTEAM	0.3465842757	19d	15
12	валькирия	0.3462996541	19d	14
13	ГрадСпуск в подвал	0.3443576544	19d	24
14	a4ae4064b0ce7	0.3413678591	19d	25
15	максуш	0.336336695	19d	25
16	Астра	0.3331363505	19d	8
17	Початки	0.3326789139	19d	18
18	Kami	0.3283623426	19d	20
19	OfficeExperts	0.3283623426	19d	25
20	Хахатон	0.3251589268	19d	22
21	skyline	0.3221932389	19d	22
22	Avangard mog Team	0.3217333446	19d	13
23	EVIL MORTY	0.3211130996	19d	6
24	it4niki	0.3167858942	19d	25
25	Golden Freddy	0.316670203	19d	21
26	Fanatixx	0.30934292	19d	9
27	avangard55 ai	0.3091400602	19d	13
28	SDH	0.3076451599	19d	14
29	test1	0.3043842507	19d	24
30	Pomidorka	0.3020217665	19d	25
31	shurupius	0.2961670569	19d	21
32	sealzhur	0.2961395788	19d	25
33	Сэр Пи	0.2961218762	19d	21
34	умные человеки без очков	0.2918441736	19d	11
35	burmaldance	0.2894845795	19d	8
36	67 ULTRA TEAM TOP 67	0.2884376567	20d	10
37	Пупсики	0.2868187951	19d	4
38	Деградирующие	0.2862087862	19d	16
39	rizhiki	0.2856635389	19d	3
40	NubiksIT	0.2856633632	19d	16
41	Team_mega_hackers	0.2844014888	19d	17
42	МИХА	0.266095132	20d	3
43	Error 404	0.2659818582	20d	5
44	Копилка	0.2618654663	19d	9
45	OGURCHIK RIK	0.255694113	19d	15
46	Крендельки	0.2548075696	19d	13
47	Денис Олиневич	0.2447942394	19d	1
48	Кофе и Печеньки	0.2256627477	19d	8
49	Лаборатория Идей	0.1963670475	19d	5
50	Millioners	0.1795187989	19d	5