docs: record both round source verification results
计图比赛 · 赛道一 · 巴巴博弈队 · 时序链接预测。
本仓库以两个独立目录保存 A 榜和 B 榜源码,分别记录环境、数据、训练、推理和复现范围。 仅发布源码,不包含 checkpoint、LightGBM 模型文件、拟合产物、数据集、预测结果或旧 Git 历史。
上述成绩来自历史提交材料,不是本次发布重新训练得到的分数。 A 榜保留原提交的完整训练编排;B 榜保留最终推理源码,并补回训练模块。 两版都提供可从原始 CSV 训练、评测并保存/加载模型的基础图组件入口,已做小样本端到端检查。 基础组件不是最终融合模型;B 榜完整最终融合方案从零复现尚未验证,具体缺少的前置产物和 最终成绩恢复差异已在 B 榜复现说明 披露。
目标为 Ubuntu 22.04 / Python 3.10。两个版本依赖不同,分别创建虚拟环境:
cd round_a # 或 round_b python3.10 -m venv .venv source .venv/bin/activate python -m pip install -r requirements.txt
只验证基础图组件可安装各版本 requirements_cpu.txt。 完整 Jittor 方案需要相应 CUDA 环境;环境和资源说明见各版本 README。
requirements_cpu.txt
从本人有权访问的赛事官方入口获取数据。A 榜数据根目录含 dataset1/、dataset2/, B 榜含 dataset3/、dataset4/;每个目录包含 train.csv 和 test.csv。 训练表为 src,dst,time,测试表为 src,time,c1,...,c100。 通过各版本入口的 --data-root 配置实际路径,详细布局见对应 README。 此仓库不提供赛事数据下载镜像,也不授予赛事数据再分发许可。
dataset1/
dataset2/
dataset3/
dataset4/
train.csv
test.csv
src,dst,time
src,time,c1,...,c100
--data-root
进入对应版本目录后,按 README 的完整命令执行。以 A 榜基础组件为例:
python scripts/graph_baseline.py train --config configs/graph_baseline.json --data-root /path/to/data_A --dataset dataset1 --output-dir outputs/dataset1/train --seed 3026 python scripts/graph_baseline.py evaluate --config outputs/dataset1/train/config.json --data-root /path/to/data_A --dataset dataset1 --ckpt outputs/dataset1/train/checkpoint.json --output-dir outputs/dataset1/eval python scripts/graph_baseline.py infer --config outputs/dataset1/train/config.json --data-root /path/to/data_A --dataset dataset1 --ckpt outputs/dataset1/train/checkpoint.json --output-dir outputs/dataset1/infer
训练输出配置、命令、日志、checkpoint 和评测报告,全部位于默认忽略的 outputs/。 每个版本可执行 python tools/smoke_check.py 进行合成数据检查。 A 榜最终训练编排见 round_a/scripts/train_full.py;B 榜训练模块和历史推理的前置条件 见该版本 README 与复现说明。
outputs/
python tools/smoke_check.py
round_a/scripts/train_full.py
单数据集使用 MRR:mean(1 / rank),并列分数按平均名次处理;单数据集 MRR 范围为 0–1。 本地基础组件用历史时间留出和人工候选评测,不能等同于官方候选分布或线上总分。 最终方案使用图结构、时序行为及候选集合相对信息;无标签测试候选统计属于 transductive 比赛适配,不能当作仅观察历史的在线评测。
mean(1 / rank)
自有代码采用 MIT License,第三方来源见 NOTICE。 源文件哈希记录在各版本 docs/,发布文件清单见 CHECKSUMS.sha256。 规则逐项对照及实测范围见 docs/open_source_checklist.md。
docs/
GitHub 与 GitLink 使用同一仓库名和相同提交:
Jittor competition track 1 - Bababoyi team - separate Round A and Round B source, without checkpoints or datasets.
版权所有:中国计算机学会技术支持:开源发展技术委员会 京ICP备13000930号-9 京公网安备 11010802047560号
jittor-bababoyi-temporal-link-prediction
计图比赛 · 赛道一 · 巴巴博弈队 · 时序链接预测。
本仓库以两个独立目录保存 A 榜和 B 榜源码,分别记录环境、数据、训练、推理和复现范围。 仅发布源码,不包含 checkpoint、LightGBM 模型文件、拟合产物、数据集、预测结果或旧 Git 历史。
上述成绩来自历史提交材料,不是本次发布重新训练得到的分数。 A 榜保留原提交的完整训练编排;B 榜保留最终推理源码,并补回训练模块。 两版都提供可从原始 CSV 训练、评测并保存/加载模型的基础图组件入口,已做小样本端到端检查。 基础组件不是最终融合模型;B 榜完整最终融合方案从零复现尚未验证,具体缺少的前置产物和 最终成绩恢复差异已在 B 榜复现说明 披露。
环境安装
目标为 Ubuntu 22.04 / Python 3.10。两个版本依赖不同,分别创建虚拟环境:
只验证基础图组件可安装各版本
requirements_cpu.txt。 完整 Jittor 方案需要相应 CUDA 环境;环境和资源说明见各版本 README。数据准备
从本人有权访问的赛事官方入口获取数据。A 榜数据根目录含
dataset1/、dataset2/, B 榜含dataset3/、dataset4/;每个目录包含train.csv和test.csv。 训练表为src,dst,time,测试表为src,time,c1,...,c100。 通过各版本入口的--data-root配置实际路径,详细布局见对应 README。 此仓库不提供赛事数据下载镜像,也不授予赛事数据再分发许可。训练、评测和推理
进入对应版本目录后,按 README 的完整命令执行。以 A 榜基础组件为例:
训练输出配置、命令、日志、checkpoint 和评测报告,全部位于默认忽略的
outputs/。 每个版本可执行python tools/smoke_check.py进行合成数据检查。 A 榜最终训练编排见round_a/scripts/train_full.py;B 榜训练模块和历史推理的前置条件 见该版本 README 与复现说明。结果说明
单数据集使用 MRR:
mean(1 / rank),并列分数按平均名次处理;单数据集 MRR 范围为 0–1。 本地基础组件用历史时间留出和人工候选评测,不能等同于官方候选分布或线上总分。 最终方案使用图结构、时序行为及候选集合相对信息;无标签测试候选统计属于 transductive 比赛适配,不能当作仅观察历史的在线评测。许可证、来源与检查
自有代码采用 MIT License,第三方来源见 NOTICE。 源文件哈希记录在各版本
docs/,发布文件清单见 CHECKSUMS.sha256。 规则逐项对照及实测范围见 docs/open_source_checklist.md。GitHub 与 GitLink 使用同一仓库名和相同提交: