example_compute_metrics.sh

#!/bin/bash
# 计算级联指标的示例脚本

# 设置路径（请根据实际情况修改）
INPUT_CASCADE="information_cascade.json"
INPUT_ORIGINAL="information_cascade_original_posts.json"
OUTPUT="output_with_metrics.json"

# 基本用法（使用默认模型和简化方法）
echo "=== 方法1: 基本用法（使用默认模型）==="
python compute_cascade_metrics.py \
    --input_cascade "$INPUT_CASCADE" \
    --output "$OUTPUT" \
    --batch_size 32

# 使用GPU加速
echo "=== 方法2: 使用GPU加速 ==="
python compute_cascade_metrics.py \
    --input_cascade "$INPUT_CASCADE" \
    --output "${OUTPUT%.json}_gpu.json" \
    --device cuda \
    --batch_size 64

# 使用自定义BERT模型
echo "=== 方法3: 使用自定义BERT模型 ==="
python compute_cascade_metrics.py \
    --input_cascade "$INPUT_CASCADE" \
    --output "${OUTPUT%.json}_custom.json" \
    --bert_model bert-base-chinese \
    --batch_size 32

# 测试模式（只处理前10个级联）
echo "=== 方法4: 测试模式（处理前10个级联）==="
python compute_cascade_metrics.py \
    --input_cascade "$INPUT_CASCADE" \
    --output "${OUTPUT%.json}_test.json" \
    --max_cascades 10 \
    --batch_size 16

echo "完成！"