一、代码结构分析

1.Graph Features Extraction

文件目录

features-Copy1-2.ipynb
features-Copy1-3.ipynb
features-Copy1.ipynb
features-Copy2.ipynb
features-Copy4.ipynb
main.ipynb

功能描述

这些文件主要用于从图数据中提取特征。不同的Jupyter Notebook文件实现了不同的特征提取逻辑，如 In_Unique_Usr, In_Unique_Src, In_Unique_UsrSrc, Out_Unique_Usr, Out_Unique_Dst, Out_Unique_UsrDst, Out_Day_Avg_Usr, Out_Day_Avg_Dst, Out_Day_Avg_UsrDst 等特征。
main.ipynb：包含构建网络数据集的图形映射的实现，是特征提取的基础。

2.Jbeil

文件目录

evaluation
- evaluation.py
model
- temporal_attention.py
- tgn.py
- time_encoding.py
modules
- embedding_module.py
- memory_updater.py
- memory.py
- message_aggregator.py
- message_function.py
utils
- data_processing.py
- preprocess_data.py
- und.py
- utils.py
- train_self_supervised.py

功能描述

evaluation：
- evaluation.py：用于评估模型性能，包括计算边预测的准确性等。
model：
- temporal_attention.py：实现时间注意力层，用于计算节点的时间嵌入并通过注意力机制聚合邻居节点信息。
- tgn.py：实现TGN模型（Temporal Graph Network），整合了多个模块，用于动态时间图的归纳学习和图表征。
- time_encoding.py：实现时间编码器，将时间戳转换为特定维度的嵌入。
modules：
- embedding_module.py：定义嵌入模块，负责计算节点在时间图中的嵌入。TGN模型会调用这个模块来生成节点嵌入。
- memory_updater.py：定义记忆更新模块，包括GRU和RNN记忆更新器，用于更新节点的记忆状态。TGN模型会用这个模块来处理节点记忆的更新。
- memory.py：实现记忆模块，用于存储和处理节点的长期信息。TGN模型依赖这个模块来管理节点的记忆。
- message_aggregator.py：实现消息聚合器，用于聚合具有相同节点ID的消息。TGN模型在处理节点间信息传递时会用到这个模块。
- message_function.py：定义消息函数，用于计算节点之间交互事件的信息。这些函数被TGN模型调用，用于处理节点之间的消息传递和特征计算。
utils：
- data_processing.py：负责数据的加载和处理，包括将数据划分为训练、验证和测试集。
- preprocess_data.py：用于数据预处理，包括读取数据文件、重索引和生成特征矩阵等。
- und.py：包含一些实用函数，例如获取GPU内存状态的函数。
- utils.py：包含工具类和函数，例如MergeLayer类用于合并节点特征和邻居特征。
- train_self_supervised.py：负责模型的训练过程，包括参数设置、训练循环和模型评估等。

model与modules的关系

其中，model目录和modules目录关系密切，共同构成了图表征模块的实现。具体来说，model目录中的文件定义了核心模型结构和主要算法，而modules目录中的文件则实现了模型所需的各种辅助功能和模块。这些辅助模块被核心模型调用和集成，用于实现特定的功能和计算。

TGN 模型
  |
  +-- 调用 -- temporal_attention.py (时间注意力层)
  |
  +-- 调用 -- time_encoding.py (时间编码器)
  |
  +-- 集成 -- modules/ (已按照 TGN 调用顺序列出子文件)
        |
        +-- memory.py (记忆模块)
        |
        +-- message_aggregator.py (消息聚合器)
        |
        +-- message_function.py (消息函数)
        |
        +-- memory_updater.py (记忆更新模块)
        |
        +-- embedding_module.py (嵌入模块)