硕士小论文

论文题目：Inferring Social Ties from Multi-view Spatiotemporal Co-occurrence (CCF C类，第一作者，论文PDF下载)。

该仓库为论文的源码。

环境说明

1. python3 环境；

2. 实验中 word2vec 是自行编译的，实验可以用gensim包取代；

3. 实验中 LDA 是自行编译的，实验可以用gensim包取代；

数据说明

使用的开源数据，可到 Stanford官网 下载Brightkite和Gowalla数据集。

目录结构

下面对实验目录结构作以下说明

• ./asset ：小论文原文，可 Google Scholar 检索到；

• ./src ：源码文件；

  • ./src/1_imbalance_data ：处理数据不平衡问题，并生成训练和测试集样本；

  • ./src/2_baseline_features ：生成基准特征源码文件；

  • ./src/2_topic_features ：生成主题特征源码文件；

  • ./src/2_context_cooccurrence ：生成上下文特征源码文件；

  • ./src/3_* 文件说明：

    • ./src/3_baseline_predict_individually.py ：基准特征独立进行预测；

    • ./src/3_baseline_predict_merge.py ：基准特征融合进行预测；

    • ./src/3_topic_cooccurrence_predict.py ：主题特征进行预测；

    • ./src/3_context_cooccurrence_predict.py ：上下文特征进行预测；

    • ./src/4_feature_merge.py ：特征融合进行预测；

• ./result ： 效果文件，可视化出PR曲线；

论文引用

@inproceedings{xu2018inferring,
  title={Inferring social ties from multi-view spatiotemporal co-occurrence},
  author={Xu, Caixu and Bai, Ruirui},
  booktitle={Asia-Pacific Web (APWeb) and Web-Age Information Management (WAIM) Joint International Conference on Web and Big Data},
  pages={378--392},
  year={2018},
  organization={Springer}
}