BlueBrain / BlueBrain/BlueGraph
Add means for evaluation/calibration of embedding models
- 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
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