我们为用户提供了一个端到端的示例，用于使用EasyTPP运行标准TPP模型。

步骤1. 安装

首先，我们可以通过pip或从Github上的源代码安装软件包。

安装最新稳定版本：

pip install easy-tpp

从GitHub安装最新版本：

git clone https://github.com/ant-research/EasyTemporalPointProcess.git
cd EasyTemporalPointProcess
python setup.py install

步骤2. 准备数据集

在运行模型之前，我们需要将数据集放在本地目录中，且数据集应遵循特定格式。详情请参见在线文档 - 数据集。

假设我们在示例中使用出租车数据集。

步骤3. 训练模型

开始训练之前，我们需要为流程设置配置文件。我们在示例配置中提供了一个预设配置文件。配置详情可在在线文档 - 训练流程中找到。

完成数据和配置设置后，目录结构如下：

    data
     |______taxi
             |____ train.pkl
             |____ dev.pkl
             |____ test.pkl

    configs
     |______experiment_config.yaml

然后，我们只需运行以下脚本即可开始训练：

import argparse
from easy_tpp.config_factory import Config
from easy_tpp.runner import Runner

def main():
    parser = argparse.ArgumentParser()

    parser.add_argument('--config_dir', type=str, required=False, default='configs/experiment_config.yaml',
                        help='训练和评估模型的配置yaml文件目录。')

    parser.add_argument('--experiment_id', type=str, required=False, default='NHP_train',
                        help='配置文件中的实验ID。')

    args = parser.parse_args()

    config = Config.build_from_yaml_file(args.config_dir, experiment_id=args.experiment_id)

    model_runner = Runner.build_from_config(config)

    model_runner.run()

if __name__ == '__main__':
    main()

更详细的示例可以在在线文档 - 快速开始中找到。

文档 [返回顶部]

cd doc
pip install -r requirements.txt
make html

cd examples
python benchmark_script.py

@inproceedings{xue2024easytpp,
      title={EasyTPP: Towards Open Benchmarking Temporal Point Processes}, 
      author={Siqiao Xue and Xiaoming Shi and Zhixuan Chu and Yan Wang and Hongyan Hao and Fan Zhou and Caigao Jiang and Chen Pan and James Y. Zhang and Qingsong Wen and Jun Zhou and Hongyuan Mei},
      booktitle = {International Conference on Learning Representations (ICLR)},
      year = {2024},
      url ={https://arxiv.org/abs/2307.08097}
}