Temporal-GCN-LSTM: 利用内部操作图表示与预测用户参与度的代码

简介：
Temporal-GCN-LSTM是一种创新的数据驱动模型，结合了时间卷积神经网络和图卷积技术，用于精准预测用户在特定平台上的参与行为。该方法通过捕捉动态用户交互模式来优化用户体验及个性化服务提供。 Temporal-GCN-LSTM模型用于对时间演变的动作图进行编码，并预测未来的用户参与度。这种端到端的多通道神经网络还处理活动序列和其他宏观特征以实现最佳性能。 所需库包括DGL、NetworkX、PyTorch、Pandas、Numpy和SciKit-Learn，以及tqdm。 构建动作图的代码位于`build_graphs.py`文件中。此脚本用于为特定时间段生成静态图。 对于时间演变的动作图，可以使用`build_temporal.py`来创建每日的时间图。执行这两个脚本时需要指定输入和输出路径： ``` python3 build_graphs.py INPUT_PATH OUTPUT_PATH python3 build_temporal.py INPUT_PATH OUTPUT_PATH ``` 此外还有支持功能的代码位于`utils.py`文件中，其中包括activity_seq_model等函数。