28 lines (20 loc) · 998 Bytes

Merit Demo 说明

Model

论文：[MERIT: Learning Multi-level Representations on Temporal Graphs](https://www.ijcai.org/proceedings/2022/0288.pdf)

说明

数据下载：程序会自动从http://snap.stanford.edu/jodie/wikipedia.csv下载
数据预处理与子图采样：运行submit.sh进行数据预处理和spark采样,得到训练集测试集验证集

这个样例中包含两种 merit 的模式

python main.py --model merit --agg_type conv
- 每条样本包含src节点id，dst节点id，动态子图特征，时间戳，以及label。
- 使用Convolutional aggregator，对应论文中的MERIT_C模型。
python main.py --model merit --agg_type lstm
- 每条样本包含src节点id，dst节点id，动态子图特征，时间戳，以及label。
- 使用Recursive aggregator，对应论文中的MERIT_R模型。

Benchmark

效果
- TGAT, AP=0.9680, ACC=0.8945
- MERIT_C, AP=0.9772, ACC=0.9158
- MERIT_R, AP=0.9766, ACC=0.9141