提示詞描述

該過程分為五個核心階段：資料輸入、圖形建構、特徵處理、核心計算和輸出預測，強調異質圖特徵、元路徑索引建構和節點級注意力機制的關鍵作用。以下是詳細的過程描述： 模型整體流程概述 THAN模型基於異質圖（包含使用者、級聯節點和各種關係），透過元路徑索引捕獲節點之間的語義關聯，結合時間衰減機制和多頭注意力來計算節點嵌入，最終用於級聯傳播的單步預測。該過程可分為以下5個核心階段： 1. 資料輸入和初始化 輸入資料： 異質圖資料（graph）：包括節點（使用者、級聯）、邊（社交、互動、擴散）和邊屬性（例如時間戳記）。 初始特徵：使用者特徵（user_initial_features）和級聯特徵（cascade_initial_features），以字典形式儲存（id_to_idx將節點ID映射到特徵索引）。 配置參數：元路徑類型（例如，U-U-social、U-U-interact、C-U-C）、注意力頭的數量、時間衰減係數lambda_time等。 初始化操作： 裝置配置（CPU/GPU）和記憶體優化（快取清除、非同步資料傳輸）。 模型組件初始化：特徵投影層（type_transform）、多頭注意力參數（att_params）等。 2. 異質圖元路徑索引建構 使用build_metapath_index方法預先計算元路徑索引，捕獲不同類型節點和時間衰減特徵之間的關聯，以加速後續的注意力計算： 元路徑定義： U-U-social：使用者 - 社交 - 使用者（無時間戳記，僅儲存鄰居關係）。 U-U-interact：使用者 - 互動 - 使用者（儲存互動時間戳記、時間衰減值和前綴和）。 C-U-C：級聯 - 使用者 - 級聯（透過中間使用者連接的級聯關係，儲存擴散時間戳記、時間衰減值和前綴和）。 索引內容： 對於包含時間資訊的元路徑（U-U-interact、C-U-C），按節點對儲存： 排序的時間戳記列表（ts）。 時間衰減值（decay，基於1 - exp(-lambda*(t-T_earliest))計算）。 衰減值的前綴和（prefix，加速累積權重計算）。 索引快取：計算結果儲存在本地（save_metapath_full_cache）以避免重複計算。 3. 特徵投影和節點嵌入初始化 特徵投影： 透過type_tr