ADDITIONS_README.md

# EasyTPP 新增功能说明

本仓库在原始 EasyTPP 基础上新增了用于处理信息级联数据的指标计算功能。

## 🆕 新增文件

### 核心功能
- **`compute_cascade_metrics.py`**: 计算级联指标的主脚本
  - 情感得分 (Sentiment Score)
  - 情感偏差 (Sentiment Deviation)  
  - 语境偏差 (Contextual Deviation)
  - 困惑度 (Perplexity)

### 文档和工具
- **`COMPUTE_METRICS_README.md`**: 详细使用说明
- **`HF_UPLOAD_GUIDE.md`**: Hugging Face 上传指南
- **`UPLOAD_CHECKLIST.md`**: 上传检查清单（自动生成）
- **`cleanup_for_hf.py`**: 清理脚本，准备上传
- **`example_compute_metrics.sh`**: 使用示例脚本
- **`requirements_compute_metrics.txt`**: 额外依赖包

## 🚀 快速开始

### 1. 安装依赖

```bash
pip install -r requirements.txt
pip install -r requirements_compute_metrics.txt
```

### 2. 运行指标计算

```bash
python compute_cascade_metrics.py \
    --input_cascade information_cascade.json \
    --output output_with_metrics.json \
    --batch_size 32
```

详细说明请参考 `COMPUTE_METRICS_README.md`

## 📦 上传到 Hugging Face

1. 运行清理脚本：
```bash
python cleanup_for_hf.py
```

2. 按照 `HF_UPLOAD_GUIDE.md` 的说明上传

## 🔗 相关文档

- [指标计算说明](COMPUTE_METRICS_README.md)
- [上传指南](HF_UPLOAD_GUIDE.md)
- [原始 EasyTPP README](README.md)

## 📝 使用场景

这些新增功能主要用于：
- 分析社交媒体信息级联（如微博转发、评论）
- 计算文本的情感特征和语义偏差
- 为 TPP 模型提供额外的特征输入

## ⚙️ 与 EasyTPP 集成

计算出的指标可以用于：
- `RobertTPPDataset`: 加载包含语义和偏差特征的数据
- `RobertEventTokenizer`: 处理自定义特征
- `TorchRobotTHP`: 使用语义和偏差特征的 TPP 模型

参考 `examples/train_robot_thp_with_features.py` 了解完整示例。