关于Yelp数据集的预处理

[wjlpku]

您好，想请问一下关于Yelp数据集的预处理，希望您方便的时候公开一下这部分的代码
如何生成User_embedding, Item_embedding, Cate_embedding, City_embedding，
看到您在别的回答里面提到用Metapath2Vec, HIN2vec，以及HERec中的处理方式得到embedding
我首先试图尝试HERec中的处理方法，发现一个问题
通过UBU UBCaBU等MetaPath得到， UU的邻接矩阵，通过DeepWalk得到user_embedding
通过BCaB, BUB等MetaPath得到， BB的邻接矩阵，通过DeepWalk得到bussiness_embedding
然而这两个embedding是不同空间的，彼此也没有约束
在您现在MCRec的代码里，直接用user_embedding和bussiness_embedding来计算sim是由问题的，请问用HERec中的方法生成embedding是否合适？
另外非常迫切希望您能公布一下Yelp预处理的代码，以及模型运行的代码。
我们也在做HIN中的Link Prediction的工作，希望能够引用您的论文。如果您能提供处理Yelp的代码的话，应该会比我们复现有着更好的精度和效果

[librahu]

我现在国外，没法使用我在学校的服务器。预处理的话，user_embedding和bussiness_embedding本身是属于两个空间，HERec生成的embedding的效果没有试验过。HIN2vec应该是一种比较好的能够生成所有节点embedding的方式，metapath2vec的话一条元路径估计无法生成所有节点的embedding，不过你可以混合多条元路径来生成所有节点的表示

[wangchunhala]

您好，想请问一下关于Yelp数据集的预处理，希望您方便的时候公开一下这部分的代码
如何生成User_embedding, Item_embedding, Cate_embedding, City_embedding，
看到您在别的回答里面提到用Metapath2Vec, HIN2vec，以及HERec中的处理方式得到embedding
我首先试图尝试HERec中的处理方法，发现一个问题
通过UBU UBCaBU等MetaPath得到， UU的邻接矩阵，通过DeepWalk得到user_embedding
通过BCaB, BUB等MetaPath得到， BB的邻接矩阵，通过DeepWalk得到bussiness_embedding
然而这两个embedding是不同空间的，彼此也没有约束
在您现在MCRec的代码里，直接用user_embedding和bussiness_embedding来计算sim是由问题的，请问用HERec中的方法生成embedding是否合适？
另外非常迫切希望您能公布一下Yelp预处理的代码，以及模型运行的代码。
我们也在做HIN中的Link Prediction的工作，希望能够引用您的论文。如果您能提供处理Yelp的代码的话，应该会比我们复现有着更好的精度和效果

请问您现在有yelp的处理代码吗？

[xuChenSJTU]

@wangchunhala 您好， 我也有同样的问题，请问这个问题已经解决了吗？谢谢🙏

[wlkqzr]

@xuChenSJTU 您好，请问解决了嘛，这个问题。感谢。

[Lww-biu]

@xuChenSJTU 您好，请问解决了嘛，这个问题。感谢。

您好，请问您解决这个问题了吗，可以请教一下吗？

[wlkqzr]

您好：您加我qq，就是这个邮箱，日子有点久，我忘记了，我主要也是用的这个数据集。   wlkq. ***@***.***  

…

------------------ 原始邮件 ------------------ 发件人: ***@***.***>; 发送时间: 2022年11月19日(星期六) 上午10:55 收件人: ***@***.***>; 抄送: ***@***.***>; ***@***.***>; 主题: Re: [librahu/MCRec] 关于Yelp数据集的预处理 (#6) @xuChenSJTU 您好，请问解决了嘛，这个问题。感谢。 您好，请问您解决这个问题了吗，可以请教一下吗？ — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: ***@***.***>

[Lww-biu]

邮箱好像被屏蔽了

…

------------------ 原始邮件 ------------------ 发件人: "librahu/MCRec" ***@***.***>; 发送时间: 2022年11月19日(星期六) 上午10:57 ***@***.***>; ***@***.******@***.***>; 主题: Re: [librahu/MCRec] 关于Yelp数据集的预处理 (#6) 您好：您加我qq，就是这个邮箱，日子有点久，我忘记了，我主要也是用的这个数据集。   wlkq. ***@***.***  

------------------ 原始邮件 ------------------ 发件人: ***@***.***>; 发送时间: 2022年11月19日(星期六) 上午10:55 收件人: ***@***.***>; 抄送: ***@***.***>; ***@***.***>; 主题: Re: [librahu/MCRec] 关于Yelp数据集的预处理 (#6) @xuChenSJTU 您好，请问解决了嘛，这个问题。感谢。 您好，请问您解决这个问题了吗，可以请教一下吗？ — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: ***@***.***> — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: ***@***.***>

[wlkqzr]

2279848457   wlkq. ***@***.***  

…

------------------ 原始邮件 ------------------ 发件人: ***@***.***>; 发送时间: 2022年11月19日(星期六) 中午11:00 收件人: ***@***.***>; 抄送: ***@***.***>; ***@***.***>; 主题: Re: [librahu/MCRec] 关于Yelp数据集的预处理 (#6) 邮箱好像被屏蔽了

------------------ 原始邮件 ------------------ 发件人: "librahu/MCRec" ***@***.***>; 发送时间: 2022年11月19日(星期六) 上午10:57 ***@***.***>; ***@***.******@***.***>; 主题: Re: [librahu/MCRec] 关于Yelp数据集的预处理 (#6) 您好：您加我qq，就是这个邮箱，日子有点久，我忘记了，我主要也是用的这个数据集。   wlkq. ***@***.***  

------------------ 原始邮件 ------------------ 发件人: ***@***.***>; 发送时间: 2022年11月19日(星期六) 上午10:55 收件人: ***@***.***>; 抄送: ***@***.***>; ***@***.***>; 主题: Re: [librahu/MCRec] 关于Yelp数据集的预处理 (#6) @xuChenSJTU 您好，请问解决了嘛，这个问题。感谢。 您好，请问您解决这个问题了吗，可以请教一下吗？ — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: ***@***.***> — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: ***@***.***> — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: ***@***.***>

[jzhou3700]

952791103@qq.com

[yasmeenhany]

@librahu any updates on the yelp processing code? I just need to know the mapping between the ids in your dataset and those in the original yelp dataset. Thanks.