From 24b61160f49bf9a417801be25aab0fb4ede06a6f Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?=C5=81uaksz=20G=C3=B3reczny?= <lukaszgoreczny96@gmail.com>
Date: Fri, 23 Apr 2021 19:12:26 +0200
Subject: [PATCH] =?UTF-8?q?Gotowe=20rozwi=C4=85zanie?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 dev-0/out.tsv  |  87 ++++++++++++
 result.py      |  35 +++++
 stopwords.txt  | 350 +++++++++++++++++++++++++++++++++++++++++++++++++
 test-A/out.tsv |  87 ++++++++++++
 4 files changed, 559 insertions(+)
 create mode 100644 dev-0/out.tsv
 create mode 100644 result.py
 create mode 100644 stopwords.txt
 create mode 100644 test-A/out.tsv

diff --git a/dev-0/out.tsv b/dev-0/out.tsv
new file mode 100644
index 0000000..8b4aaba
--- /dev/null
+++ b/dev-0/out.tsv
@@ -0,0 +1,87 @@
+14
+13
+0
+18
+1
+2
+5
+15
+2
+4
+10
+2
+13
+8
+16
+16
+16
+1
+17
+8
+0
+9
+11
+12
+15
+9
+7
+11
+11
+13
+5
+6
+6
+1
+16
+6
+13
+14
+7
+18
+2
+19
+6
+18
+14
+8
+6
+13
+3
+3
+10
+0
+6
+9
+19
+12
+13
+13
+5
+1
+6
+13
+6
+6
+2
+1
+6
+14
+4
+6
+1
+17
+14
+5
+13
+10
+15
+19
+18
+7
+4
+10
+4
+8
+6
+9
+1
diff --git a/result.py b/result.py
new file mode 100644
index 0000000..069d2a7
--- /dev/null
+++ b/result.py
@@ -0,0 +1,35 @@
+from sklearn.feature_extraction.text import TfidfVectorizer
+import numpy as np
+import sklearn.metrics
+from sklearn.cluster import KMeans
+
+stopwords = []
+with open('./stopwords.txt') as file:
+        for stopword in file.readlines():
+            stopwords.append(stopword.strip())
+
+with open("./dev-0/in.tsv") as source:
+  documents_tmp = [document for document in source.readlines()]
+  documents = []
+  for doc in documents_tmp:
+    documents.append(" ".join([word for word in doc.split() if word not in stopwords]))
+  model = TfidfVectorizer()
+  doc_vectors = model.fit_transform(documents)
+  #przy takim ustawieniu zbliżyłem się do 0.8, średnio przy 10 próbach wyszło mi 0.76, jednak wynik nigdy nie spadł ponizej 0.74
+  pred = KMeans(n_clusters=20, max_iter=3000).fit_predict(doc_vectors)
+  with open("./dev-0/out.tsv", "w") as result:
+    for prediction in pred:
+      result.write(str(prediction) + '\n')
+
+with open("./test-A/in.tsv") as source:
+  documents_tmp = [document for document in source.readlines()]
+  documents = []
+  for doc in documents_tmp:
+    documents.append(" ".join([word for word in doc.split() if word not in stopwords]))
+  model = TfidfVectorizer()
+  doc_vectors = model.fit_transform(documents)
+  pred = KMeans(n_clusters=20, max_iter=3000).fit_predict(doc_vectors)
+  with open("./test-A/out.tsv", "w") as result:
+    for prediction in pred:
+      result.write(str(prediction) + '\n')
+
diff --git a/stopwords.txt b/stopwords.txt
new file mode 100644
index 0000000..2e72387
--- /dev/null
+++ b/stopwords.txt
@@ -0,0 +1,350 @@
+a
+aby
+ach
+acz
+aczkolwiek
+aj
+albo
+ale
+alez
+ależ
+ani
+az
+aż
+bardziej
+bardzo
+beda
+bedzie
+bez
+deda
+będą
+bede
+będę
+będzie
+bo
+bowiem
+by
+byc
+być
+byl
+byla
+byli
+bylo
+byly
+był
+była
+było
+były
+bynajmniej
+cala
+cali
+caly
+cała
+cały
+ci
+cie
+ciebie
+cię
+co
+cokolwiek
+cos
+coś
+czasami
+czasem
+czemu
+czy
+czyli
+daleko
+dla
+dlaczego
+dlatego
+do
+dobrze
+dokad
+dokąd
+dosc
+dość
+duzo
+dużo
+dwa
+dwaj
+dwie
+dwoje
+dzis
+dzisiaj
+dziś
+gdy
+gdyby
+gdyz
+gdyż
+gdzie
+gdziekolwiek
+gdzies
+gdzieś
+go
+i
+ich
+ile
+im
+inna
+inne
+inny
+innych
+iz
+iż
+ja
+jak
+jakas
+jakaś
+jakby
+jaki
+jakichs
+jakichś
+jakie
+jakis
+jakiś
+jakiz
+jakiż
+jakkolwiek
+jako
+jakos
+jakoś
+ją
+je
+jeden
+jedna
+jednak
+jednakze
+jednakże
+jedno
+jego
+jej
+jemu
+jesli
+jest
+jestem
+jeszcze
+jeśli
+jezeli
+jeżeli
+juz
+już
+kazdy
+każdy
+kiedy
+kilka
+kims
+kimś
+kto
+ktokolwiek
+ktora
+ktore
+ktorego
+ktorej
+ktory
+ktorych
+ktorym
+ktorzy
+ktos
+ktoś
+która
+które
+którego
+której
+który
+których
+którym
+którzy
+ku
+lat
+lecz
+lub
+ma
+mają
+mało
+mam
+mi
+miedzy
+między
+mimo
+mna
+mną
+mnie
+moga
+mogą
+moi
+moim
+moj
+moja
+moje
+moze
+mozliwe
+mozna
+może
+możliwe
+można
+mój
+mu
+musi
+my
+na
+nad
+nam
+nami
+nas
+nasi
+nasz
+nasza
+nasze
+naszego
+naszych
+natomiast
+natychmiast
+nawet
+nia
+nią
+nic
+nich
+nie
+niech
+niego
+niej
+niemu
+nigdy
+nim
+nimi
+niz
+niż
+no
+o
+obok
+od
+około
+on
+ona
+one
+oni
+ono
+oraz
+oto
+owszem
+pan
+pana
+pani
+po
+pod
+podczas
+pomimo
+ponad
+poniewaz
+ponieważ
+powinien
+powinna
+powinni
+powinno
+poza
+prawie
+przeciez
+przecież
+przed
+przede
+przedtem
+przez
+przy
+roku
+rowniez
+również
+sam
+sama
+są
+sie
+się
+skad
+skąd
+soba
+sobą
+sobie
+sposob
+sposób
+swoje
+ta
+tak
+taka
+taki
+takie
+takze
+także
+tam
+te
+tego
+tej
+ten
+teraz
+też
+to
+toba
+tobą
+tobie
+totez
+toteż
+totobą
+trzeba
+tu
+tutaj
+twoi
+twoim
+twoj
+twoja
+twoje
+twój
+twym
+ty
+tych
+tylko
+tym
+u
+w
+wam
+wami
+was
+wasz
+wasza
+wasze
+we
+według
+wiele
+wielu
+więc
+więcej
+wlasnie
+właśnie
+wszyscy
+wszystkich
+wszystkie
+wszystkim
+wszystko
+wtedy
+wy
+z
+za
+zaden
+zadna
+zadne
+zadnych
+zapewne
+zawsze
+ze
+zeby
+zeznowu
+zł
+znow
+znowu
+znów
+zostal
+został
+żaden
+żadna
+żadne
+żadnych
+że
+żeby
diff --git a/test-A/out.tsv b/test-A/out.tsv
new file mode 100644
index 0000000..a1ed9b7
--- /dev/null
+++ b/test-A/out.tsv
@@ -0,0 +1,87 @@
+20
+8
+0
+16
+14
+26
+13
+33
+8
+4
+33
+26
+15
+9
+24
+11
+9
+34
+7
+17
+30
+6
+5
+3
+31
+6
+10
+5
+17
+15
+13
+35
+1
+22
+11
+12
+38
+9
+10
+16
+8
+25
+27
+21
+20
+19
+12
+15
+33
+13
+18
+0
+13
+6
+32
+3
+15
+17
+13
+29
+12
+9
+33
+37
+26
+39
+27
+20
+36
+12
+14
+7
+20
+27
+2
+33
+31
+32
+28
+17
+4
+33
+4
+17
+27
+23
+17