文脈 環境に関する新しい情報が毎秒公開されています。レポート、書籍、記事、ニュースなどが様々な言語で出版されています。自動分類により、意思決定のためにこれらの情報をより効率的に処理し、利用することができます。 内容 このバージョンのデータセットには、これまでのところ2つのファイルが含まれています。1つは私が共著者である英語版の書籍からの英語のデータセットで、もう1つはこの書籍の別のウクライナ語版からのウクライナ語のデータセットです。これらのデータセットには、約95％の同じ情報が含まれています。 * テキスト - レポートまたはニュースからの1つ以上の文 および5つの二値的な目的変数： * 環境問題 - テキストは環境問題に関するものですか？（0または1） * 汚染 - テキストは環境汚染に関するものですか？（0または1） * 処理 - テキストは処理施設または環境技術に関するものですか？（0または1） * 気候 - テキストは気候指標に関するものですか？（0または1） * 生物モニタリング - テキストは水または流域における生物学的、生物的モニタリングに関するものですか？（0または1） **自然言語処理、多ラベル二値分類** 情報のソースは、英語とウクライナ語で2冊の別々の書籍として出版社で出版されています。この書籍の両方の版の共著者は、このデータセットの共著者です。 1. 文は、PDF形式の書籍（英語版からの英語、ウクライナ語版からのウクライナ語）から、さまざまな特殊文字（ページ番号など）とともにコピーされているため、ある程度の「ノイズ」があります。 2. 一部の特殊文字、一部のコンマやピリオドなどが選択的に削除されています。 3. 目的変数の決定は、データセットの著者、この書籍の共著者を含めて行われました。 時間が経つにつれて、私はニュースや他のレポート（英語、ウクライナ語、または両方）を含むさらなるデータセットを追加する予定です。 謝辞 * スウェーデン国際開発庁による「ウクライナ流域管理当局の制度強化と能力開発」プロジェクト（2010 - 2014） * [ウクライナ国家水資源庁](https://www.davr.gov.ua/) * 書籍「ピヴデンニー・ブグ川流域管理計画：流域分析と対策（ウクライナ語版）」/ アファナシエフ S.、ベドズ N.、クリジャニフスキー E.、モキン V. など / アファナシエフ S.、ピーターズ A.、スタシュク V.、ヤロチェビッチ O. // 編集：S. アファナシエフ、A. ピーターズ、V. スタシュク、O. ヤロチェビッチ。 – 出版社：インターサービス出版社、キエフ、2014年。 – 188ページ。 – ISBN：978 - 617 - 696 - 258 - 8。 – DOI：10.13140/2.1.1707.2325、両方の版を含む：[書籍の英語版](https://www.researchgate.net/publication/275210400_River_Basin_Management_Plan_for_Pivdenny_Bug_river_basin_analysis_and_measures) と [書籍のウクライナ語版](https://mk-vodres.davr.gov.ua/sites/default/files/Bug_plan_final_2.pdf) のすべての共著者 * ヴィンニツィア国立技術大学の情報システムと技術学科の学生たちで、この書籍の両方の版からこのデータセットを作成するのを手伝ってくれた：[ドミトロ・パシニューク](https://www.kaggle.com/kenywhite)、[オレクサンドル・ラデツキイ](https://www.kaggle.com/sasharadeckiy) * データセットに使用された良い写真について [ヴァシリイ・コスチュシン](https://www.facebook.com/v.kostiushyn) - ウクライナ科学院のI.I. シュマルハウゼン動物研究所の部門長 着想 次のタスクを解くことが提案されています。 5つの目的二値特徴のそれぞれについて（英語データセット、ウクライナ語データセット、または両方について）、テキストをできるだけ正確に分類します。ただし、精度は、該当する言語または言語の総データの少なくとも40％をランダムに選択した事前選択されたテストデータの部分で決定されます。検証データセットまたはテストデータレコードの手動ラベリングまたは人間による予測からの情報を使用または組み込まないでください。このデータセットのデータとともに外部データを使用してモデルを開発およびテストすることができますが、ソースを明示した公開された外部データのみを使用してください。