Обучить графовую нейронную сеть
Цена договорная
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.
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.
В заказе есть исполнитель
При переводе заказа из архивного в актуальный, текущий исполнитель будет снят с задачи.
Выберите тип сделки
С безопасной сделкой вы всегда сможете вернуть средства, если что-то пойдет не так. С простой сделкой вы самостоятельно договариваетесь с исполнителем об оплате и берете на себя решение конфликтов.