Dataset for "Towards Better Evaluation for Dynamic Link Prediction"
Notice bibliographique
Résumé
These are the datasets used in <em>Towards Better Evaluation for Dynamic Link Prediction</em> For preparing the datasets, we closely follow the baseline methods' data preparation strategy.<br> The original networks are saved as <network>.csv. The networks are formatted as follows:<br> * Each edge is denoted in one line.<br> * Each line has the following format: source_node, destination_node, timestamp, edge_label, comma-separated arrays of edge features.<br> * Please note that if there is no edge label available, the edge_label column will be filled with 0s only for loading purpose; these labels are not used in the link prediction task.<br> * The first line denotes the network format.<br> * Edge features should include at least one feature. If there is no edge feature available, a 0 value is used for all the edges. The network edge-lists are pre-processed for different methods to use them (Specifically, for preprocessing the data, we use the scripts available in "preprocess_data.py" file of the corresponding baseline).<br> Ater preprocessing the network edge-list, there are three files that are used by the models:<br> * <ml_network>.csv: this file contains the timestamp edge-list.<br> * <ml_network>.npy: this file contains the edge features in the dense `npy` format that has the features in binary format.<br> * <ml_network_node>.npy: this file contains the node features in the dense `npy` format that contains the node features in binary format.<br> Please note that when the edge features or node features are absent, we use a vector of zeros is used as the node/edge features in line with the baseline methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».