关于yelp_triple数据集

[hellomuse]

您好，非常感谢您所做的工作！有个问题我不太明白：

在链路预测任务中使用的yelp数据集只是包含user和business吗？就是yelp_ub.train_0.8_lr，而不是用的yelp_triple，不知道我理解的对吗？

期待您的回复。

[hellomuse]

在生成embedding的时候用的是yelp_triple数据集，那么在embedding中就用到了所有边的信息，这样会对链路预测的结果产生影响吧？

[librahu]

embedding的生成是会删除原图的20%的边的。

[hellomuse]

感谢您的回复！

生成embedding时删除边的地方我似乎没有找到，是不是需要自己改动呢？

如果您方便的话，可以上传您切分出的yelp_ub.test_0.8_new 和 yelp_ub.train_0.8_lr 这两个文件吗？

抱歉我的问题有点多，期待您的回复。

[librahu]

这个就按照随机切分就可以。为每条边设置一个0到1随机数，如果随机数小于0.8就保留，不然就删除放入测试集。

Does the HeGAN is trained on the original HIN (including both train/test edges) while the downstream task (e.g. link prediction) being conducted on the split dataset (test set)? How did you construct the file "*_triple.dat"?

[librahu]

@isHaoyiFan
(1) Following the previous works, for link prediction and recommendation, we will train the HeGAN on training set (the HINs without 20% edges). As for the node clustering and node classification, the HeGAN is trained on the original HINs.
(2) To construct the "_triple.dat", we consider the HINs as multiple triples. For an example, for a edge "a1 - r1 - p1" in original HINs, we will add two triple in "_triple.dat", i.e., (a1, p1, r1) and (p1, a1, r1') (r1' is the inverse of r1)

@librahu Yea, I see! Thanks.

[wangyouze]

您好，当我运行he_gan.py的时候，代码报错，显示缺失文件../data/dblp_lp/dblp_ap.train_0.8_lr。但是data文件夹中并没有dblp以及相应的文件。请问这类文件如何获取？打扰了。

[librahu]

https://github.com/librahu/HIN-Datasets-for-Recommendation-and-Network-Embedding 原始文件都可以在这里获取 @wangyouze

[960924]

您好，我把yelp_triple.dat按8：2划分成了训练集yelp_ub.train_0.8_lr和测试集yelp_ub.test_0.8_new，然后进行链路预测的时候，f1和acc都是1。 是我划分的不对，还是生成embedding时需要进行修改。
期待您的回复，谢谢

[librahu]

@960924 链路预测的步骤如下：
(1) 8:2划分yelp_triple.dat, 得到train和test。
(2) 在train数据集的网络上训练embedding。
(3) 对train上的每条边采样一个负样本，训练一个逻辑回归模型。
(4-1) 基于逻辑回归的评估：对test上的每条边采样一个负样本，用(3)中训练好的逻辑回归模型进行预测，评估。
(4-2) 基于内积的评估：对test上的每条边采样一个负样本，对test上的每条边做内积进行评估。

我不知道你是否是按照如上的步骤进行实验的。

[960924]

@librahu 我是用您的代码做的实验，但发现test_y和pred_label完全一样，所以导致acc为1，我不知道问题出在了哪。

[960924]

@librahu
for u, b, label in self.train_link_label:
train_x.append(embedding_list[u] + embedding_list[b])
train_y.append(float(label))
对于（3），只看到对train上的每条边进行如上操作，不知道您说的采样一个负样本是不是这个操作。除了这一步以外，其余操作与您回复的步骤相同。但逻辑回归得出的结果pred_label 和test_y始终相同，导致f1和acc始终为1。期待您的回复，谢谢！

[Mengjie-Guo]

in the link prediction task, is the pretrained embedding trained on the HINs without 20% edges or the whole HINs?

[librahu]

@Mengjie-Guo without 20% edges