replication-ANES
Replicação do artigo Aspect-oriented unsupervised social link inference on user trajectory data (Byun, Choi e Kim, Information Sciences, vol. 626, 2023). A pergunta do paper: dá para inferir quem é amigo de quem, sem nenhum rótulo, só olhando check-ins do Foursquare em Nova York?
- códigoCerca de 2.400 linhas de Python em 8 módulos:
preprocessing.py,ANES.py(treino),model.py(776 linhas),data.py,loss.py,projection.py,graphutils.py,utils.py. - representaçãoEmbeddings separados de usuário, POI, tempo, categoria e geografia, 128 dimensões cada. Cada check-in vira uma tripla orientada a aspecto, projetada no estilo TransH, TransR e TransD, como em grafo de conhecimento.
- tempo168 slots semanais (dia vezes hora), com correção de fuso a partir do offset em minutos.
- perdasMargin loss, orthogonal loss (mantém o vetor de relação ortogonal ao hiperplano) e norm loss.
- amostragemNegativos sorteados por busca binária sobre a CDF da distribuição: O(log n) por amostra.
- variantes
ANES,ANES_GEO,ANES_GEO_YELP,ANES_GEO_Others,LBGC_v4. - experimentoRecortes NYC_20, 40, 60, 80 e 100 com pares verdadeiros e falsos de treino, validação e teste. lr 1e-4, L1, 1000 iterações, t-SNE para olhar o espaço aprendido.