Prva verzija GCN embeddinga koja pokušava da minimizuje LID
Molim @milsav da pogleda kad stigne.
u fajlu lid_eval je dodata EmbLIDMLEEstimatorTorch klasa koja radi
isto kao EmbLIDMLEEstimator klasa ali radi sa torch funkcijama i
pamti gradijente
dodat je test test_gcn_lid koji testira da li novi estimator radi
korektno (poredim sa "normalnom" verzijom)
u fajlu embedding_gcn.py dodata su dva parametra lid_aware i
lid_k. Kod optimizacije je dodat dodatni kriterijum kako bi se
pored pravljenja korektnog embedding-a minimizovala LID vrednost
(koristim sumu lid vrednosti)
dodat je test test_lid_aware_gcn koji testira novi embedding,
poredi LID vrednosti normalnog i novog i recon loss oba embedding-a
Rezultati deluju ok, treba testirati za veći graf:
lid sum (LID-Aware) tensor(613.4803)
recon loss (LID-Aware) 0.3
lid sum (normal) tensor(649.9783)
recon loss (normal) 0.0
Prva verzija GCN embeddinga koja pokušava da minimizuje LID
Molim @milsav da pogleda kad stigne.
EmbLIDMLEEstimatorTorch
klasa koja radi isto kaoEmbLIDMLEEstimator
klasa ali radi sa torch funkcijama i pamti gradijentetest_gcn_lid
koji testira da li novi estimator radi korektno (poredim sa "normalnom" verzijom)embedding_gcn.py
dodata su dva parametralid_aware
ilid_k
. Kod optimizacije je dodat dodatni kriterijum kako bi se pored pravljenja korektnog embedding-a minimizovala LID vrednost (koristim sumu lid vrednosti)test_lid_aware_gcn
koji testira novi embedding, poredi LID vrednosti normalnog i novog i recon loss oba embedding-aRezultati deluju ok, treba testirati za veći graf: