Проект не коммерческий. То есть нейронка нужна для научной работы.
В целом не стоит скептически относиться к подобного рода задачам. Подход действительно перспективный, но в силу того что я сам работаю, я просто физически не успеваю реализовать некоторые вещи. А очень хотелось бы успеть, при этом не бросая работу.

Работа не сложная. Суть в оценить реальную возможность данного подхода.

В дальнейшем возможно долгосрочное сотрудничество так как подобных гипотез много и нужно все проверять на жизнеспособность.

Суть задачи в следующем:
1. Есть некоторый граф знаний полученный из текста.
В этом графе знаний зашит и сам текст. И информация об эмоциональной окраске текста и все полученные тройки (субъект, предикат, объект). Все это собирается в большой граф
В целом для данной задачи достаточно просто формулировки "Есть ориентированный граф.".
2. Необходимо научиться сравнивать 2 таких графа. Для этого предлагается использовать графовые нейронные сети с механизмом внимания. Либо графовую нейронную сеть архитектуры трансформер. Пример такой сети уже есть (https://github.com/daiquocnguyen/Graph-Transformer/tree/66bacc6cbed6403ea53af6dbee5029be058c6213).
3. К сожалению предобученных графовых нейронных сетей пока нет. Поэтому придется взять какую-то существующую и обучить на наших данных.

Было бы идеально прикрутить туда TripletLoss. Но пока можно хотя бы так.

Данные есть - это сет SNLI для которого формируются тройки из текстов (якорь, позитив, негатив).
(Сильно можно не заморачиваться, по сути мы просто маленько перетусовали SNLI)

Затем все эти тройки, превращаются в тройки из ориентированных графов. И на них то нужно обучить нашу модель.

По сути мне нужна модель которая для каждого графа знаний сопоставит вектор в N мерном пространстве для того чтобы я мог в дальнейшем использовать ее.


На выходе от вас файл JupiterNotebook и файл с обучающей и тестовой выборкой. То есть я должен иметь возможность повторить эксперимент.

Сроки 3-4 дня после начала исполнения.