temporal-gcn-lstm:使用应用内操作图表征和预测用户参与度的代码-源码

上传者: 42179184 | 上传时间: 2021-09-01 13:44:21 | 文件大小: 11KB | 文件类型: ZIP
时态gcn-lstm 使用应用内操作图表征和预测用户参与度的代码:Snapchat的案例研究 Temporal-gcn-lstm模型对时间演变的动作图进行编码,以预测未来的用户参与度。 端到端的多通道神经模型还对活动序列和其他宏观特征进行编码,以达到最佳性能。 要求 DGL,NetworkX,PyTorch,Pandas,Numpy,SciKit-Learn,tqdm 深度图库(DGL) pytorch 建立动作图 build_graphs.py:为时间段构建静态图 build_temporal.py:每天建立时间图 python3 build_graphs.py INPUT_PATH OUTPUT_PATH python3 build_temporal.py INPUT_PATH OUTPUT_PATH 楷模 utils.py:支持功能 activity_seq_model

文件下载

资源详情

[{"title":"( 12 个子文件 11KB ) temporal-gcn-lstm:使用应用内操作图表征和预测用户参与度的代码-源码","children":[{"title":"temporal-gcn-lstm-master","children":[{"title":".gitignore <span style='color:#111;'> 36B </span>","children":null,"spread":false},{"title":"mock_data","children":[{"title":"example_df.pkl <span style='color:#111;'> 1.07KB </span>","children":null,"spread":false},{"title":"example_temporal_user_action_graphs.pkl <span style='color:#111;'> 635B </span>","children":null,"spread":false},{"title":"example_macro_df.pkl <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false}],"spread":true},{"title":"activity_seq_model.py <span style='color:#111;'> 4.22KB </span>","children":null,"spread":false},{"title":"build_temporal.py <span style='color:#111;'> 2.51KB </span>","children":null,"spread":false},{"title":"build_graphs.py <span style='color:#111;'> 1.86KB </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 293B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.40KB </span>","children":null,"spread":false},{"title":".idea","children":[{"title":"temporal-gcn-lstm.iml <span style='color:#111;'> 398B </span>","children":null,"spread":false}],"spread":true},{"title":"gcn_model.py <span style='color:#111;'> 1.57KB </span>","children":null,"spread":false},{"title":"multi_channel.py <span style='color:#111;'> 6.83KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明