KDD基准系统描述

最新推荐文章于 2024-07-29 23:11:21 发布

haoying_zhao

最新推荐文章于 2024-07-29 23:11:21 发布

阅读量740

点赞数

CC 4.0 BY-SA版权

分类专栏： KDD知识分析

本文链接：https://blog.youkuaiyun.com/haoying_zhao/article/details/78558046

本文详细介绍了KDD基准系统目录结构，包括data目录下的训练集、验证集和测试集，以及作者、共作者、会议、期刊、论文等相关数据集。此外，还涉及特征文件夹和模型文件夹的内容，如特征抽取、模型训练和评估方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录介绍

KDD_Benchmark：基准系统目录，根目录
1 data：数据目录，仅包含dataset
1.1 train_set：训练集文件夹
1.1.1 Train.authorIds.txt：训练集的所有作者列表，每一行为一个作者id
1.1.2 Train.csv：训练集。第一行为表头：AuthorId,ConfirmedPaperIds,DeletedPaperIds。后面每行为对应Train.authorIds.txt文件中对应作者id确认写了的论文和确认不是他写的论文
1.2 valid_set：验证集文件夹
1.2.1 Valid.authorIds.txt：验证集的所有作者列表，每一行一个作者id
1.2.2 Valid.csv：验证集。第一行为表头：AuthorId,PaperIds。后面每行为对应Valid.authorIds.txt文件中对应作者id需要检查是否是该作者的论文的论文id。
1.2.3 Valid.gold.csv：验证集的标准答案，第一行为表头，AuthorId,ConfirmedPaperIds,DeletedPaperIds。后面每行为该行第一列作者id关于写没写过Valid.csv中论文的标准答案。
1.3 test_set：测试集文件夹(各个小组不同的测试集)
1.3.1 Test.authorIds.txt：测试集的所有作者列表
1.3.2 Test.csv：测试集,如Test.01.csv 是第一小组的测试集
1.4 Author.csv：作者数据集。第一行为表头，Id，Name，Affiliation，后面每一行为该id的作者的姓名和所属机构。
1.5 coauthor.json: 共作者数据，记录某作者的合作频率前十位的合作者，记录格式如下：
"2097153": {"450241": 3, "2018277": 1, "829512": 3, "1954441": 3, "1482510": 1, "1422127": 2, "1835