用户对齐算法整合

文件结构

algs/ 算法的具体实现
data/ 用于存放数据文件
metrics/ 算法评价方法的具体实现
model/ 用于存放保存的模型文件
results/ 可以用于保存输出的结果
utils/ 工具方法的具体实现
run.py 模型训练及测试的脚本

运行方法

执行 python run.py [算法] 即可自动执行整个流程，包括数据预处理，模型训练，测试评价。

示例：运行MNA算法:
python run.py mna
各种参数的调整可以通过在算法名称之后添加 -参数名参数来完成

示例：运行MNA算法,并指定模型存放路径为 model/MNA.pkl :
python run.py mna -model_path model/MNA.pkl
评价模型的性能采用：
- 分类任务指标
  - F1
  - Accuracy
  - AUC
- 排序任务指标
  - MRR
  - Precision@1
  - Precision@5

进展情况

目前实现算法包括：

MNA算法 python run.py -mna
STUL算法 python run.py -stul
HYDRA算法 python run.py -hydra

其他说明

目前的实现暂未使用网络结构特征，后续会进行补充

参考文献

1.MNA: Kong, Xiangnan, Jiawei Zhang, and Philip S. Yu. "Inferring anchor links across multiple heterogeneous social networks." Proceedings of the 22nd ACM international conference on Information & Knowledge Management. 2013.
2.STUL: Chen, Wei, et al. "Exploiting spatio-temporal user behaviors for user linkage." Proceedings of the 2017 ACM on Conference on Information and Knowledge Management. 2017.
3.HYDRA: Liu, Siyuan, et al. "Hydra: Large-scale social identity linkage via heterogeneous behavior modeling." Proceedings of the 2014 ACM SIGMOD international conference on Management of data. 2014.