BlueBrain / BlueBrain/BlueGraph

Add means for evaluation/calibration of embedding models

Offen
#92 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen
enhancement
Vorherrschende Sprache
Python
Sterne
34
Forks
5
PR-Merge-Kennzahlen
Keine gemergten PRs in 30 T.

Beschreibung

We need to have means for reserving a validation set (or even make a k-fold cross validation) for the embedding models (usually based on link prediction, i.e. reserve sets of links for validation).

Useful references:

- https://stellargraph.readthedocs.io/en/stable/demos/calibration/calibration-link-prediction.html
- https://neo4j.com/docs/graph-data-science/current/algorithms/ml-models/node-classification/

Beitragsleitfaden

Beitragsleitfaden öffnen

Rechercherichtung

Beginnen Sie mit der Durchsicht des verknüpften StellarGraph-Kalibrierungsbeispiels und der Dokumentation zur Neo4j-Knotenk Klassifizierung und suchen Sie anschließend die Einstiegspunkte von BlueGraph für embedding-model und link-prediction. Legen Sie fest, wie Validierungslinks oder k-fold-Splits zurückgehalten und ausgewertet werden sollen; als abgeschlossen gilt die Aufgabe, wenn das Projekt einen dokumentierten, nutzbaren Evaluierungspfad für Embedding-Modelle bietet.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Bewertung

Tech-Stack
python
Bereich
machine-learning
Issue-Typ
Feature
Schwierigkeit
5/5
Geschätzter Aufwand
Über eine Woche
Aktivitätsstatus
Veraltet
Klarheit
Muss geklärt werden
Anfängerfreundlichkeit
25/100

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.