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	0.3417973025	19d	25
2	dupe	0.3246263058	19d	24
3	шемелис	0.3166429683	19d	19
4	Лукинер	0.3031507453	19d	22
5	a4ae4064b0ce7	0.2935451192	19d	25
6	ABB	0.2819532014	19d	25
7	skyline	0.2739641261	19d	22
8	Хахатон	0.2712299836	19d	22
9	Пуфыстики	0.2658676141	19d	18
10	OfficeExperts	0.2639237149	19d	25
11	валькирия	0.2598258292	19d	14
12	ПЕНЬ_TEAM	0.2597533543	19d	20
13	ГрадСпуск в подвал	0.2593581479	19d	24
14	DDTEAM	0.2531173462	19d	15
15	Тимофей Клестер	0.2529282186	19d	17
16	максуш	0.2511222426	19d	25
17	it4niki	0.2485569512	19d	25
18	SDH	0.2483903127	19d	14
19	EVIL MORTY	0.2452844378	19d	6
20	Error 404	0.24391276	20d	5
21	Fanatixx	0.2426135569	19d	9
22	АДЕЖДА СИБИРИ	0.2392259815	19d	25
23	Kami	0.2388108114	19d	20
24	Колегов	0.2347210067	19d	13
25	Астра	0.2329234155	19d	8
26	avangard55 ai	0.2323674686	19d	13
27	Avangard mog Team	0.2267234621	19d	13
28	Team_mega_hackers	0.2264661513	19d	17
29	burmaldance	0.22459081	19d	8
30	Копилка	0.2239957236	19d	9
31	Сэр Пи	0.2238839934	19d	21
32	Деградирующие	0.2223110163	19d	16
33	Golden Freddy	0.2201200658	19d	21
34	67 ULTRA TEAM TOP 67	0.2195579672	20d	10
35	shurupius	0.2181229162	19d	21
36	умные человеки без очков	0.2177219096	19d	11
37	Початки	0.217355348	19d	18
38	OGURCHIK RIK	0.2168451481	19d	15
39	sealzhur	0.206957319	19d	25
40	Pomidorka	0.2068056105	19d	25
41	rizhiki	0.2061536842	19d	3
42	test1	0.2034444495	19d	24
43	NubiksIT	0.2023586257	19d	16
44	Крендельки	0.1985582042	19d	13
45	Денис Олиневич	0.1963557547	19d	1
46	МИХА	0.1957975972	20d	3
47	Пупсики	0.1923609002	19d	4
48	Лаборатория Идей	0.1855024774	19d	5
49	Millioners	0.1528876507	19d	5
50	Кофе и Печеньки	0.1456520872	19d	8