GAMHN

一、数据预处理部分

有两种方式

• 一种是直接修改源代码的数据输入部分
• 一种是按照数据接入格式生成文件，然后传入文件

第二种

对twibot-20数据集进行数据预处理，主要生成五个文件，label涉及到推荐系统中的负采样方法（就是用户不喜欢的商品，强定义为未交互过的商品集合中的一部分）

• train.txt: Each line represents an edge, which contains three tokens <edge_type> <node1> <node2> where each token can be either a number or a string.
• valid.txt: Each line represents an edge or a non-edge, which contains four tokens <edge_type> <node1> <node2> <label>, where <label> is either 1 or 0 denoting an edge or a non-edge
• test.txt: the same format with valid.txt
• feature.txt (optional): First line contains two number <num> <dim> representing the number of nodes and the feature dimension size. From the second line, each line describes the features of a node, i.e., <node> <f_1> <f_2> ... <f_dim>.
• node_type.txt: Each line contains two tokens <node> <node_type>, where <node_type> should be consistent with the meta-path schema in the training command, i.e., --schema node_type_1-node_type_2-...-node_type_k-node_type_1. (Note that the first node type in the schema should equals to the last node type.)

二、GATNE部分

模型架构

将用户与推文均考虑为节点

• 用户：特征提取形成表示向量
• 推文：利用transformer提取信息形成表示向量

形成feature.txt文件 其余与原模型相同

模型实现

先按源代码执行

三、数据整理及分类器实现

1、数据整理

GATNE模型输出的是每个节点n关于每种边类型r的一个表示向量，即V(n,r)， 利用semantic attention network生成每个表示向量的权重，再聚合在一起，为每个用户生成一个向量（注意这里只对用户生成，不包括推文）
经过神经网络输出二维向量，即用户概率、机器人概率