tt2615 / cfprec

CFPRec

1. run 'python data_preprocessor.py' to generate input data
2. run 'pip3 install -r requirements.txt' to install dependencies
3. run 'python main.py' to start training and evaluation
4. metrics will be stored in 'results' folder, can be read by running 'python ./results/data_reader.py'

raw data

raw data are available at https://drive.google.com/drive/folders/1LtGI-xlMqv0cAXS-XD8ppcoVhq1wBwJv?usp=sharing. The data is extracted from https://sites.google.com/site/yangdingqi/home/foursquare-dataset

cfprec's Issues

请问在 Future Preference Extractor 中用的未来时间，是用了标签中的真实时间吗？

因为我看代码中，short_term_after_time 拿到了 target 之后的几次签到的真实时间。

PS：谢谢分享代码！

数据预处理论文和代码是不是不符合

请问论文中数据集的处理中写到“We then split the trajectories of
each user in the ratio of 8:1:1 based on timestamps, where
the earliest 80% is regarded as training set; the second last
10% as validation set and the last 10% as test set.”
但是我看代码中对应的数据预处理部分并没有按照论文中描述的这样进行数据预处理。按照论文中这样处理数据的话，测试集中的用户id肯定是包含了所有用户的id，但是我看现在你这个测试集中的id只包含了几个用户，请问是这样嘛

Thanks

dear author, thank you very much for your willingness to share your code

数据集

可以分享一下数据集么？

你好，请教一个 results 评估的问题

你好，我看论文里面写的对结果进行平均，我不太理解是直接把单次的 n 个 epochs 的结果平均，还是取出性能稳定较高的几个 epochs 的结果，整体运行多次后平均（即对性能较高的进行平均）。

因为我发现：

• 如果把 n 个 epochs 的结果平均，那 NYC 的较论文中差蛮多
• 如果取最高的几个 epochs 的结果再平均，NYC 也较论文中的差一点