Dataset for "Towards Better Evaluation for Dynamic Link Prediction"
Notice bibliographique
Résumé
These are the datasets used in Towards Better Evaluation for Dynamic Link Prediction For preparing the datasets, we closely follow the baseline methods' data preparation strategy. The original networks are saved as .csv. The networks are formatted as follows: * Each edge is denoted in one line. * Each line has the following format: source_node, destination_node, timestamp, edge_label, comma-separated arrays of edge features. * 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. * The first line denotes the network format. * 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). Ater preprocessing the network edge-list, there are three files that are used by the models: * .csv: this file contains the timestamp edge-list. * .npy: this file contains the edge features in the dense `npy` format that has the features in binary format. * .npy: this file contains the node features in the dense `npy` format that contains the node features in binary format. 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,044 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».