# Challenge Intact - Code ML 2021 Challenge 5 (hard)

## Challenge Intact - Fact-checking : claim-evidence verdict 

This challenge is a classification task for fact-checking.

- Difficulty : Difficult 

## Overview 

Fake news nowadays spread very easily with the amount of information that is on internet. What if we could predict whenever a claim is verified or not ?

This challenge is all about this. Given a claim and an evidence associated, the aim is to predict if the arguments in the evidence support, refute or don't give enough information about the claim. 

Note : In a real fact-checking challenge, you only have the claim, and this is up to you to discover the most likely evidence that could support or refute the claim. Here, we helped you by giving you an evidence for each claim. 

We advice to use pre-trained models to perform this task. 

### Data description

The dataset contains about 10 000 pairs of claim/evidence with the given label associated. 

The columns are the following : 

- `claim` : the claim that should be verified. 
- `evidence` : a source/arguments from the web that could help to verify the claim.
- `label` : either `SUPPORTS`, `REFUTES` or `NOT ENOUGH INFO` which gives the relation between the evidence and the claim.
- `claim_id` : the id of the claim. Required for the submission.

The column to predict is the `label` one.

There are three files available : 

- `train.csv` : the training dataset (10 000 rows). 
- `test.csv` : the testing dataset (2500 rows). 
- `sample_submission.csv` : an example of the submission file. 

Note that you should follow the `sample_submission.csv` to publish your predictions. 

## Submission 

Submit your results with the template in the submission section.

Everyone will have to submit their notebooks.

Be sure to save your model and your weights, you will be asked to submit them if you win.

## Evaluation 

The evaluation metric is the F1 score.

## Help 

Feel free to ask to Clément Bernard in the discord channel if you have any question or problem. 

## [FRANCAIS]

## Vérification d'information : affirmation-indice verdicte

Ce challenge est un challenge de classification pour la vérification d'information.

- Difficulté : Difficile

## Vue d'ensemble 

Les fausse information se propagent très vite et très facilement sur internet. Ne serait-il pas possible de prédire si une information est vraie ou fausse ? 

Ce challenge tente d'introduire ce domaine. A partir d'une affirmation et d'une source, le but est de prédire si les information dans la source permettent de supporter, refuser ou ne donner aucune information sur l'affirmation.

Note : Dans une vraie tâche de vérification d'information, seules les affirmations sont disponibles. Il faut alors trouver un moyen de trouver une source qui vérifie ou contredit l'affirmation. Ici, nous avons simplifié la tâche en ajoutant une source pour les affirmations.

Nous conseillons d'utiliser des modèles pré-entrainés pour cette tâche.

### Description des données 

L'ensemble de données contient 10 000 pairs d'affirmation/source avec un label associé.

Les colonnes sont les suivantes : 

- `claim` : l'affirmation à vérifier. 
- `evidence` : une source qui pourrait ou non aider à vérifier l'affirmation.
- `label` : soit `SUPPORTS` (supporte), `REFUTES` (refuse) ou `NOT ENOUGH INFO` (pas assez d'information) donnant le lien entre l'affirmation et la source.
- `claim_id` : l'id de l'affirmation. Utile pour la soumission.

La colonne à prédire est `label`.

Il y a trois fichiers disponibles : 

- `train.csv` : l'ensemble d'entrainement (10 000 lignes). 
- `test.csv` : l'ensemble de test (2500 lignes). 
- `sample_submission.csv` : une exemple de soumission. 

Il faut suivre le format du fichier `sample_submission.csv` pour faire une soumission. 


## Soumission 

Soumet tes prédictions avec le format du fichier `sample_submission.csv`. 

Tout le monde doit soumettre son code, son modele et ses poids.

N'oubliez pas de sauvegarder votre modèle et vos poids, il vous sera demandé de les soumettre si vous gagnez.


## Evaluation 

La mesure d'évaluation est le F1 score. 

## Aide 

N'hésitez pas à demander à Clément Bernard si vous avez une question ou un problème.