本项目用于在 MAPLE 和 arXiv 数据上进行时序预测实验，主运行文件是 run.py。

原始数据参考：

• https://www.kaggle.com/code/artgor/arxiv-metadata-exploration/notebook

处理后的文件放在：

• dataset/arxiv/arxiv.csv

数据来源：

• https://github.com/yuzhimanhua/MAPLE

处理后的文件放在：

• dataset/MAPLE/MAPLE.csv

数据处理脚本：

• /mnt/data2/jingxz/models/prepare_arxiv_maple_monthly.py

这个脚本主要用于把 arXiv 原始元数据整理成按月统计的 csv 文件。

运行方式：

cd /mnt/data2/jingxz/models/llmP1

python /mnt/data2/jingxz/models/prepare_arxiv_maple_monthly.py \
  --input /mnt/data2/jingxz/system/MixF/dataset/arxiv-metadata-oai-snapshot.json \
  --mapping /mnt/data2/jingxz/system/data_message/json2jsonl.py \
  --output /mnt/data2/jingxz/models/llmP1/dataset/arxiv/arxiv.csv

说明：

• --input：arXiv 原始数据路径
• --mapping：学科映射文件路径
• --output：输出的 csv 路径

如果是 MAPLE 数据，通常直接使用官方提供的 MAPLE.csv 即可，不需要额外处理。

先进入项目目录：

cd /mnt/data2/jingxz/models/llmP1

bash scripts/arxiv.sh

bash scripts/maple.sh

bash scripts/sensitivity.sh

模型主要通过下面两个参数控制：

• --llm_model
• --llm_dim

当前支持的模型有：

• bert，llm_dim=1024
• MiniLM，llm_dim=384
• Qwen3，llm_dim=1024
• mdbr，llm_dim=384
• bge-large-en-v1.5，llm_dim=1024
• Octen-Embedding-0.6B，llm_dim=1024
• roberta-base，llm_dim=768

如果想切换模型，可以直接修改：

• scripts/arxiv.sh 里的 llm_models

例如：

llm_models=(
  "bert"
  "MiniLM"
)

注意：

• llm_dim 必须和模型实际维度一致
• 除 bert 外，其它模型默认从本地目录加载：
  • /mnt/data2/jingxz/models/llm_models/

实验结束后，结果会追加写入：

• result.txt

常看指标：

• mse
• mae
• rse

查看方式：

tail -n 40 result.txt

完整训练日志在：

• logs/LongForecasting/

例如：

• logs/LongForecasting/model2_arxiv_bert_sl24_pl12.log

checkpoint 在：

• checkpoints/<setting>/checkpoint.pth

如果运行时加了 --do_predict，预测结果会保存在：

• results/<setting>/real_prediction.npy

1. 下载 arXiv 和 MAPLE 数据
2. 用 prepare_arxiv_maple_monthly.py 处理 arXiv 数据
3. 把数据放到 dataset/arxiv/ 和 dataset/MAPLE/
4. 运行 bash scripts/arxiv.sh 或 bash scripts/maple.sh
5. 到 result.txt 和 logs/LongForecasting/ 查看结果