Hacktoberfest 2026：メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

add naturalistic memory metrics

オープン
  • 何か問題がありますか？
#116 コメント 2 件 リアクション 0 件 担当者 0 名 GitHub で見る

まだ誰も着手していません。

評価

難易度
3/5
見積もり時間
1〜2日
初心者へのやさしさ
45/100
issue の種類
機能追加
明瞭さ
おおむね明確
活発さ
停滞
技術スタック
python
領域
analytics, data

調査の方向性

この issue ではファイル、テスト、エントリーポイントが指定されていないため、まず quail に既存するメモリメトリクスの実装と recall events のデータ構造を探します。それらの API を提案された 3 つの式と比較し、precision、distinctiveness、recall autocorrelation がプロジェクト既存のメトリクスインターフェースから利用可能で、これらの定義と一致する場合に必要となる作業を検討します。

索引モデルが issue の本文から書いたものです。

説明

We developed a few interesting memory metrics for the sherlock paper, which would be relatively easy to port into quail:

  1. Precision: how precisely the recall events match the video events
  • the mean correlation between each recall event and the highest matching video event (can also be computed on a per event basis)
  • code: [np.max(1 - cdist(video_events, r, 'correlation'), 0).mean() for r in recall_events]
  1. Distinctiveness: how distinctive the recall events are from other recall events
  • the mean of the upper triangle of the recall event correlation matrix (can also be computed on a per event basis)
    -code: [1 - np.triu(np.corrcoef(r)).mean() for r in recall_events]
  1. Recall autocorrelation: the rate at which the recall content changes over time
  • the autocorrelation of the recall matrix (not recall event matrix)
主要言語
Python
スター
22
フォーク
10
30日以内にマージされた PR はありません

環境構築

このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

ContextLab/quail のほかの issue

ContextLab/quail の issue をすべて見る

似ている issue

Python の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。