文件名称：inform:通知
文件大小：37.07MB
文件格式：ZIP
更新时间：2024-04-11 06:48:23
Python
InFoRM：图挖掘中的个人公平 这是InFoRM的Python实现：针对PageRank，频谱聚类和LINE任务的图挖掘中的个体公平性，如我们的论文所述： 姜健，何静瑞，罗斯·麦奇耶夫斯基，杭航通。 。 在第26届ACM SIGKDD国际知识发现和数据挖掘会议论文集中，第379-389页。 2020（KDD 2020）。 要求 python 3（> 3.7） 麻木 科学的 斯克莱恩 网络 数据 我们在data文件夹中提供论文中使用的data 。 看看load_graph.py供您参考。 在演示中，我们加载PPI数据集。 楷模 我们在method文件夹中提供了三种互斥的去偏置方法： debias_graph.py ：消除输入图的偏斜。 可以随意重写__init__()和fit()函数来消除您自己的方法的偏差。 debias_model.py ：消除采矿模型的偏见。 可以随意重写_
【文件预览】：
inform-main
----method()
--------debias_graph.py(9KB)
--------debias_result.py(2KB)
--------debias_model.py(6KB)
----data()
--------CA-CondMat.txt(2.23MB)
--------Twitch_ENGB.pickle(1.52MB)
--------Facebook.txt(1.98MB)
--------CA-AstroPh.pickle(8.46MB)
--------CA-CondMat.pickle(4.05MB)
--------CA-AstroPh.txt(4.55MB)
--------ppi.pickle(1.65MB)
--------v0.pickle(568KB)
--------Facebook.pickle(7.33MB)
--------ppi.mat(991KB)
--------Twitch_ENGB.txt(382KB)
----demo_LINE.ipynb(17KB)
----load_graph.py(1KB)
----LICENSE(1KB)
----demo_PageRank.ipynb(12KB)
----utils.py(13KB)
----README.md(2KB)
----result()
--------pagerank()
--------line()
--------sc()
----demo_spectral_clustering.ipynb(12KB)
----evaluate()
--------sc.py(5KB)
--------line.py(6KB)
--------pagerank.py(5KB)
----.gitattributes(66B)