极端天气情况一直困扰着人们的工作和生活。部分企业或者工种对极端天气的要求不同，但是目前主流的天气推荐系统是直接将天气信息推送给全部用户。这意味着重要的天气信息在用户手上得不到筛选，降低用户的满意度，甚至导致用户的经济损失。我们计划开发一个基于图神经网络的天气靶向模型，根据用户的历史交互行为，判断不同天气对他的利害程度。如果有必要，则将该极端天气情况推送给该用户，让其有时间做好应对准备。该模型能够减少不必要的信息传递，提高用户的体验感。
模型介绍
（一）数据集共有三个txt文件，分别是user.txt，weather.txt，rating.txt。这些文件一共包含900名用户，1600个天气状况，95964条用户的历史交互记录。
（1）user.txt
用户的信息记录在user.txt中。格式如下：
用户ID\t年龄\t性别\t职业\t地理位置
（2）weather.txt
天气的信息记录在weather.txt中。格式如下：
天气ID\t天气类型\t温度\t湿度\t风速
（3）rating.txt
用户的历史交互记录在rating.txt中。格式如下：
用户ID\t天气ID\t评分
2023-01-02 20:27:42
582KB
1
神经网络预测天气的气温数据集，包括了：year,moth,day,week分别表示的具体的时间；temp_2：前天的最高温度值；temp_1：昨天的最高温度值；average：在历史中，每年这一天的平均最高温度值；actual：这就是我们的标签值了，当天的真实最高温度；friend：这列用不到暂不用管
2022-05-21 12:48:28
28KB
1
year month day week temp_2 temp_1 average actual friend
0 2016 1 1 Fri 45 45 45.6 45 29
1 2016 1 2 Sat 44 45 45.7 44 61
2 2016 1 3 Sun 45 44 45.8 41 56
3 2016 1 4 Mon 44 41 45.9 40 53
4 2016 1 5 Tues 41 40 46.0 44 41
以上是实例，资源包完整
2022-01-01 20:03:34
5KB
1
神经网络预测天气的气温数据集，包括了：year,moth,day,week分别表示的具体的时间；temp_2：前天的最高温度值；temp_1：昨天的最高温度值；average：在历史中，每年这一天的平均最高温度值；actual：这就是我们的标签值了，当天的真实最高温度；friend：这列用不到暂不用管
2021-02-20 09:44:24
11KB
1