Merge branch 'master' into classification

models/match/multiview-simnet/config.yaml

@@ -18,12 +18,12 @@ workspace: "models/match/multiview-simnet"
 # list of dataset
 dataset:
 - name: dataset_train # name of dataset to distinguish different datasets
-  batch_size: 2
+  batch_size: 128
   type: DataLoader # or QueueDataset
   data_path: "{workspace}/data/train"
-  sparse_slots: "1 2 3"
+  sparse_slots: "0 1 2"
 - name: dataset_infer # name
-  batch_size: 2
+  batch_size: 1
   type: DataLoader # or QueueDataset
   data_path: "{workspace}/data/test"
   sparse_slots: "1 2"
@@ -34,17 +34,17 @@ hyper_parameters:
     class: Adam
     learning_rate: 0.0001
     strategy: async
-  query_encoder: "bow"
-  title_encoder: "bow"
+  query_encoder: "gru"
+  title_encoder: "gru"
   query_encode_dim: 128
   title_encode_dim: 128
-  sparse_feature_dim: 1000001
+  sparse_feature_dim: 1439
   embedding_dim: 128
   hidden_size: 128
   margin: 0.1
 
 # select runner by name
-mode: train_runner
+mode: [train_runner,infer_runner]
 # config of each runner.
 # runner is a kind of paddle training class, which wraps the train/infer process.
 runner:
@@ -62,12 +62,14 @@ runner:
   save_inference_fetch_varnames: [] # fetch vars of save inference
   init_model_path: "" # load model path
   print_interval: 1
+  phases: phase1
 - name: infer_runner
   class: infer
   # device to run training or infer
   device: cpu
   print_interval: 1
-  init_model_path: "increment/0" # load model path
+  init_model_path: "increment/1" # load model path
+  phases: phase2
 
 # runner will run all the phase in each epoch
 phase:
@@ -75,7 +77,7 @@ phase:
   model: "{workspace}/model.py" # user-defined model
   dataset_name: dataset_train # select dataset by name
   thread_num: 1
-#- name: phase2
-#  model: "{workspace}/model.py" # user-defined model
-#  dataset_name: dataset_infer # select dataset by name
-#  thread_num: 1
+- name: phase2
+  model: "{workspace}/model.py" # user-defined model
+  dataset_name: dataset_infer # select dataset by name
+  thread_num: 1

models/match/multiview-simnet/data/preprocess.py

+# Copyright (c) 2020 PaddlePaddle Authors. All Rights Reserved.
+#
+# Licensed under the Apache License, Version 2.0 (the "License");
+# you may not use this file except in compliance with the License.
+# You may obtain a copy of the License at
+#
+#     http://www.apache.org/licenses/LICENSE-2.0
+#
+# Unless required by applicable law or agreed to in writing, software
+# distributed under the License is distributed on an "AS IS" BASIS,
+# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+# See the License for the specific language governing permissions and
+# limitations under the License.
+#encoding=utf-8
+
+import os
+import sys
+import numpy as np
+import random
+
+f = open("./zhidao", "r")
+lines = f.readlines()
+f.close()
+
+#建立字典
+word_dict = {}
+for line in lines:
+    line = line.strip().split("\t")
+    text = line[0].split(" ") + line[1].split(" ")
+    for word in text:
+        if word in word_dict:
+            continue
+        else:
+            word_dict[word] = len(word_dict) + 1
+
+f = open("./zhidao", "r")
+lines = f.readlines()
+f.close()
+
+lines = [line.strip().split("\t") for line in lines]
+
+#建立以query为key，以负例为value的字典
+neg_dict = {}
+for line in lines:
+    if line[2] == "0":
+        if line[0] in neg_dict:
+            neg_dict[line[0]].append(line[1])
+        else:
+            neg_dict[line[0]] = [line[1]]
+
+#建立以query为key，以正例为value的字典
+pos_dict = {}
+for line in lines:
+    if line[2] == "1":
+        if line[0] in pos_dict:
+            pos_dict[line[0]].append(line[1])
+        else:
+            pos_dict[line[0]] = [line[1]]
+
+#划分训练集和测试集
+query_list = list(pos_dict.keys())
+#print(len(query_list))
+random.shuffle(query_list)
+train_query = query_list[:90]
+test_query = query_list[90:]
+
+#获得训练集
+train_set = []
+for query in train_query:
+    for pos in pos_dict[query]:
+        if query not in neg_dict:
+            continue
+        for neg in neg_dict[query]:
+            train_set.append([query, pos, neg])
+random.shuffle(train_set)
+
+#获得测试集
+test_set = []
+for query in test_query:
+    for pos in pos_dict[query]:
+        test_set.append([query, pos, 1])
+    if query not in neg_dict:
+        continue
+    for neg in neg_dict[query]:
+        test_set.append([query, neg, 0])
+random.shuffle(test_set)
+
+#训练集中的query,pos,neg转化格式
+f = open("train.txt", "w")
+for line in train_set:
+    query = line[0].strip().split(" ")
+    pos = line[1].strip().split(" ")
+    neg = line[2].strip().split(" ")
+    query_list = []
+    for word in query:
+        query_list.append(word_dict[word])
+    pos_list = []
+    for word in pos:
+        pos_list.append(word_dict[word])
+    neg_list = []
+    for word in neg:
+        neg_list.append(word_dict[word])
+    f.write(' '.join(["0:" + str(x) for x in query_list]) + " " + ' '.join([
+        "1:" + str(x) for x in pos_list
+    ]) + " " + ' '.join(["2:" + str(x) for x in neg_list]) + "\n")
+f.close()
+
+#测试集中的query和pos转化格式
+f = open("test.txt", "w")
+fa = open("label.txt", "w")
+fb = open("testquery.txt", "w")
+for line in test_set:
+    query = line[0].strip().split(" ")
+    pos = line[1].strip().split(" ")
+    label = line[2]
+    query_list = []
+    for word in query:
+        query_list.append(word_dict[word])
+    pos_list = []
+    for word in pos:
+        pos_list.append(word_dict[word])
+    f.write(' '.join(["0:" + str(x) for x in query_list]) + " " + ' '.join(
+        ["1:" + str(x) for x in pos_list]) + "\n")
+    fa.write(str(label) + "\n")
+    fb.write(','.join([str(x) for x in query_list]) + "\n")
+f.close()
+fa.close()
+fb.close()

models/match/multiview-simnet/data/test/test.txt

-224289:0 126379:0 284519:0 549329:0 750666:0 393772:0 586898:0 736887:0 48785:0 906517:0 229162:1 483485:1 739835:1 29957:1 694497:1 997508:1 556876:1 717791:1 232176:1 430356:1
-366182:0 82062:0 708883:0 949128:0 798964:0 639103:0 409033:0 79301:0 405607:0 342616:0 61552:1 560547:1 3760:1 754734:1 98496:1 472427:1 979596:1 750283:1 492028:1 801383:1
-969571:0 405187:0 756217:0 563640:0 572168:0 881952:0 446260:0 692177:0 994140:0 485393:0 509081:1 297377:1 465399:1 934708:1 430949:1 135651:1 484531:1 385306:1 463957:1 996004:1
-436320:0 423131:0 963969:0 78345:0 879550:0 458203:0 684397:0 956202:0 989802:0 526101:0 852446:1 182545:1 625656:1 674856:1 422648:1 74100:1 48372:1 850830:1 336087:1 178251:1
-242683:0 118677:0 20731:0 970617:0 355890:0 739613:0 926695:0 963639:0 201043:0 611907:0 115309:1 310984:1 615584:1 638886:1 575934:1 889389:1 974807:1 570987:1 532482:1 911925:1
-954007:0 122623:0 168195:0 348901:0 217880:0 84759:0 925763:0 436382:0 573742:0 942921:0 553377:1 835046:1 137907:1 933870:1 766585:1 48483:1 543079:1 889467:1 521705:1 906676:1
-798690:0 617323:0 553266:0 232924:0 159461:0 404822:0 52992:0 364854:0 913876:0 547974:0 559472:1 748595:1 71793:1 357331:1 606888:1 477051:1 291481:1 89363:1 503881:1 423029:1
-228207:0 785250:0 661149:0 803304:0 478781:0 495202:0 804509:0 273065:0 26123:0 810840:0 801871:1 146772:1 421009:1 752344:1 946358:1 531668:1 5771:1 191294:1 627329:1 434664:1
-984628:0 762075:0 505288:0 48519:0 72492:0 26568:0 684085:0 613095:0 781547:0 895829:0 280541:1 903234:1 708065:1 386658:1 331060:1 3693:1 279760:1 459579:1 423552:1 962594:1
-674172:0 39271:0 646093:0 757969:0 553251:0 734960:0 967186:0 856940:0 617246:0 376452:0 113050:1 472707:1 975057:1 865095:1 155824:1 389921:1 205520:1 513667:1 163588:1 953463:1
+0:908 0:159 0:909 0:910 0:109 1:911 1:159 1:909 1:910 1:109
+0:210 0:10 0:211 0:14 0:212 1:211 1:210 1:32 1:148 1:212 1:48 1:65 1:65 1:211 1:210 1:33 1:213 1:214 1:48
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:84 1:79 1:80 1:81 1:13 1:78 1:1 1:692 1:144 1:85 1:48
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:84 1:75 1:83 1:78 1:86 1:270 1:85 1:48
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:78 1:79 1:80 1:235 1:144 1:236 1:169 1:237 1:138 1:48 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:84 1:227 1:228 1:13 1:75 1:229 1:80 1:81 1:4 1:78 1:14 1:39
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:113 1:68 1:21 1:22
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:176 1:113 1:68 1:1357
+0:728 0:729 0:509 0:510 0:75 0:68 0:730 0:16 0:731 0:245 1:1105 1:732 1:729 1:509 1:510 1:75 1:68 1:730 1:16 1:731 1:22
+0:155 0:837 0:838 0:839 1:155 1:838 1:1296
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:113 1:68 1:21
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:83 1:100 1:79 1:81 1:4 1:86 1:82 1:94 1:84 1:85 1:48 1:22
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:113 1:68 1:114 1:21 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:167 1:168 1:13 1:80 1:81 1:144 1:82 1:169 1:170 1:171 1:172 1:148 1:173 1:174
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:84 1:449 1:450 1:80 1:10 1:451 1:13 1:452 1:453 1:6 1:85 1:168 1:81 1:4 1:78 1:22 1:22
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:230 1:113 1:68 1:114 1:13 1:144 1:113 1:68 1:114
+0:155 0:837 0:838 0:839 1:1371 1:155 1:578 1:838 1:21 1:839 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:79 1:80 1:81 1:86 1:172 1:83 1:170 1:138 1:48
+0:91 0:421 0:104 0:695 0:96 0:696 0:697 1:421 1:104 1:698 1:67 1:96 1:696
+0:222 0:223 0:224 0:225 0:67 0:96 1:624 1:1238 1:222 1:223 1:224 1:67 1:96
+0:210 0:10 0:211 0:14 0:212 1:211 1:614 1:214 1:86 1:82 1:48 1:65 1:65 1:155 1:212
+0:91 0:421 0:104 0:695 0:96 0:696 0:697 1:421 1:104 1:1406 1:1407
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:1222 1:116 1:113 1:68 1:22
+0:91 0:421 0:104 0:695 0:96 0:696 0:697 1:421 1:104 1:695 1:96 1:696 1:1128
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:233 1:1350 1:4 1:1074 1:113 1:68 1:21 1:70 1:22
+0:222 0:223 0:224 0:225 0:67 0:96 1:222 1:223 1:224 1:419 1:96 1:1054 1:1055
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:167 1:79 1:80 1:81 1:86 1:82 1:83 1:84 1:138 1:48 1:22
+0:222 0:223 0:224 0:225 0:67 0:96 1:222 1:223 1:224 1:67 1:96
+0:222 0:223 0:224 0:225 0:67 0:96 1:222 1:226 1:223 1:224 1:67 1:96
+0:210 0:10 0:211 0:14 0:212 1:210 1:211 1:32 1:4 1:474 1:637
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:84 1:1 1:1211 1:178 1:78 1:13 1:79 1:80 1:81 1:14 1:85 1:22
+0:421 0:456 0:153 0:152 0:159 0:457 1:421 1:920 1:456 1:153 1:152 1:14 1:921
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:144 1:113 1:68 1:115
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:1106 1:78 1:1107 1:13 1:170 1:1108 1:13 1:1109 1:75 1:79 1:80 1:81 1:13 1:177 1:85 1:577 1:78 1:32 1:170 1:86 1:82 1:48 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:135 1:78 1:91 1:79 1:78 1:136 1:81 1:4 1:137 1:86 1:82 1:83 1:84 1:138 1:48
+0:421 0:456 0:153 0:152 0:159 0:457 1:153 1:421 1:456 1:152 1:475 1:68 1:476
+0:155 0:837 0:838 0:839 1:155 1:838 1:839
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:576 1:168 1:80 1:81 1:13 1:86 1:80 1:83 1:170 1:48 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:1070 1:78 1:33 1:67 1:79 1:121 1:80 1:81 1:276 1:162 1:1071 1:1072 1:103 1:13 1:167 1:1073 1:164 1:86 1:8 1:83 1:170 1:6 1:138 1:48 1:22
+0:222 0:223 0:224 0:225 0:67 0:96 1:421 1:936 1:223 1:4 1:937 1:224 1:67 1:96 1:22
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:110 1:144 1:113 1:68 1:1155 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:79 1:78 1:80 1:81 1:13 1:86 1:82 1:1280 1:4 1:170 1:138 1:48
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:79 1:80 1:81 1:4 1:144 1:8 1:169 1:84 1:171 1:172 1:48
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:170 1:65 1:65 1:168 1:138 1:80 1:1212 1:81 1:65 1:65 1:13 1:65 1:65 1:452 1:172 1:538 1:6 1:80 1:173
+0:728 0:729 0:509 0:510 0:75 0:68 0:730 0:16 0:731 0:245 1:1105 1:732 1:729 1:509 1:510 1:75 1:68 1:730 1:13 1:75 1:68 1:734 1:48 1:22 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:1070 1:78 1:618 1:81 1:14 1:39 1:86 1:82 1:83 1:170 1:138 1:48
+0:1026 0:1027 0:1028 0:1029 0:1030 0:1031 0:75 0:480 1:1027 1:75 1:480 1:1029 1:4 1:1031 1:65 1:65 1:1032 1:1033 1:1034 1:1029 1:1031 1:1250
+0:728 0:729 0:509 0:510 0:75 0:68 0:730 0:16 0:731 0:245 1:747 1:748 1:729 1:75 1:68 1:730 1:16 1:734
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:79 1:80 1:81 1:65 1:65 1:87 1:82 1:83 1:84 1:80
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:84 1:86 1:1039 1:85 1:168 1:81 1:4 1:78 1:48 1:22
+0:1026 0:1027 0:1028 0:1029 0:1030 0:1031 0:75 0:480 1:1032 1:1033 1:4 1:1034 1:1031 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:94 1:84 1:79 1:85 1:617 1:4 1:78 1:13 1:87 1:618 1:81
+0:908 0:159 0:909 0:910 0:109 1:911 1:14 1:922 1:910 1:109 1:877
+0:1335 0:409 0:1336 0:10 1:1335 1:409 1:1336 1:10
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:110 1:4 1:111 1:112 1:113 1:68 1:1074
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:1137 1:100 1:895 1:80 1:81 1:13 1:86 1:82 1:83 1:84 1:6 1:138 1:48 1:22
+0:908 0:159 0:909 0:910 0:109 1:908 1:14 1:1311 1:910 1:109 1:877
+0:421 0:456 0:153 0:152 0:159 0:457 1:421 1:153 1:456 1:152 1:14 1:457
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:233 1:234 1:4 1:111 1:112 1:113 1:68 1:114 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:1186 1:78 1:13 1:79 1:81 1:79 1:1187 1:86 1:82 1:83 1:84 1:6 1:80 1:48 1:22
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:13 1:113 1:68 1:115 1:769 1:548 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:168 1:80 1:81 1:65 1:65 1:86 1:8 1:83 1:84 1:80 1:48
+0:210 0:10 0:211 0:14 0:212 1:211 1:427 1:32 1:614 1:212 1:14 1:39
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:110 1:4 1:111 1:112 1:113 1:68 1:114
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:86 1:113 1:480 1:1283 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:958 1:170 1:450 1:121 1:80 1:10 1:1428 1:13 1:1429 1:85 1:79 1:81 1:4 1:78 1:13 1:33 1:1251 1:4 1:160 1:137
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:28 1:170 1:439 1:1165 1:1166 1:13 1:133 1:85 1:94 1:168 1:80 1:81 1:4 1:78 1:48 1:22 1:22
+0:222 0:223 0:224 0:225 0:67 0:96 1:421 1:422 1:223 1:224 1:67 1:96
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:112 1:113 1:68 1:22 1:148 1:112 1:113 1:68 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:587 1:170 1:80 1:10 1:774 1:10 1:13 1:57 1:51 1:86 1:85 1:94 1:168 1:81 1:4 1:78 1:22
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:951 1:442 1:4 1:111 1:13 1:112 1:113 1:480 1:114 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:772 1:84 1:144 1:85 1:168 1:80 1:81 1:4 1:78 1:48 1:22
+0:210 0:10 0:211 0:14 0:212 1:210 1:10 1:211 1:14 1:212
+0:222 0:223 0:224 0:225 0:67 0:96 1:222 1:1378 1:223 1:224 1:67 1:96
+0:155 0:837 0:838 0:839 1:49 1:14 1:838 1:839
+0:210 0:10 0:211 0:14 0:212 1:148 1:472 1:473 1:211 1:13 1:210 1:32 1:155 1:474
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:28 1:78 1:80 1:81 1:137 1:1112 1:84 1:450 1:1113 1:81 1:137 1:86 1:85 1:81 1:4 1:78 1:48 1:22
+0:908 0:159 0:909 0:910 0:109 1:911 1:912 1:909 1:910 1:109
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:807 1:78 1:169 1:81 1:94 1:170 1:144 1:80 1:48 1:22
+0:728 0:729 0:509 0:510 0:75 0:68 0:730 0:16 0:731 0:245 1:732 1:729 1:75 1:68 1:730 1:16 1:734 1:22
+0:91 0:421 0:104 0:695 0:96 0:696 0:697 1:104 1:421 1:86 1:695 1:96 1:696 1:9
+0:155 0:837 0:838 0:839 1:1052 1:205 1:155 1:838 1:839 1:70
+0:728 0:729 0:509 0:510 0:75 0:68 0:730 0:16 0:731 0:245 1:732 1:729 1:509 1:510 1:75 1:68 1:730 1:16 1:734 1:22
+0:210 0:10 0:211 0:14 0:212 1:211 1:65 1:65 1:14 1:212 1:65 1:65 1:14 1:1349
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:882 1:113 1:68 1:21
+0:728 0:729 0:509 0:510 0:75 0:68 0:730 0:16 0:731 0:245 1:1079 1:732 1:729 1:75 1:68 1:730 1:16 1:734 1:22
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:958 1:84 1:959 1:80 1:577 1:14 1:39 1:13 1:79 1:78 1:80 1:81 1:86 1:82 1:169 1:84 1:960 1:48
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:1074 1:113 1:68
+0:210 0:10 0:211 0:14 0:212 1:211 1:210 1:10 1:14 1:212 1:211
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:116 1:113 1:68 1:800 1:173
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:168 1:80 1:81 1:4 1:78 1:13 1:423 1:424 1:235 1:4 1:84 1:138 1:48
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:79 1:78 1:121 1:80 1:81 1:86 1:82 1:83 1:170 1:138 1:48 1:22
+0:421 0:456 0:153 0:152 0:159 0:457 1:222 1:39 1:456 1:153 1:152 1:475 1:495 1:737 1:1076 1:102 1:1077 1:1078
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:112 1:113 1:68 1:114
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:75 1:110 1:4 1:111 1:113 1:68 1:115 1:116 1:22
+0:91 0:421 0:104 0:695 0:96 0:696 0:697 1:421 1:104 1:86 1:695 1:96 1:696 1:9 1:65 1:65 1:104 1:86 1:695 1:96 1:696 1:1128
+0:75 0:110 0:4 0:111 0:112 0:113 0:68 0:114 1:113 1:68 1:114 1:86 1:75 1:110
+0:421 0:456 0:153 0:152 0:159 0:457 1:421 1:1227 1:456 1:152 1:14 1:457
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:79 1:80 1:81 1:86 1:82 1:118 1:170 1:138 1:48
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:79 1:78 1:80 1:81 1:86 1:8 1:1087 1:84 1:80 1:48
+0:1026 0:1027 0:1028 0:1029 0:1030 0:1031 0:75 0:480 1:1391 1:1392 1:13 1:1393 1:1032 1:1033 1:189 1:4 1:629 1:1034 1:1031 1:48
+0:908 0:159 0:909 0:910 0:109 1:908 1:30 1:155 1:922 1:910 1:109 1:877 1:22
+0:728 0:729 0:509 0:510 0:75 0:68 0:730 0:16 0:731 0:245 1:729 1:732 1:733 1:10 1:120 1:75 1:68 1:730 1:16 1:734
+0:77 0:78 0:79 0:80 0:81 0:82 0:83 0:84 0:85 0:86 0:48 1:94 1:78 1:80 1:81 1:65 1:65 1:58 1:94 1:84 1:85 1:206 1:14 1:85 1:22

models/match/multiview-simnet/data/train/train.txt

-7688:0 589671:0 339543:0 681723:0 339204:0 743067:0 897959:0 897541:0 571340:0 858141:0 68161:1 533957:1 288065:1 755516:1 179906:1 324817:1 116293:1 942079:1 455277:1 787142:1 251765:2 846187:2 586960:2 781883:2 430436:2 240100:2 686201:2 632045:2 585097:2 61976:2
-187966:0 194147:0 640819:0 283848:0 514875:0 310781:0 760083:0 281096:0 837090:0 928087:0 958908:1 451359:1 456136:1 577231:1 373371:1 651928:1 877106:1 721988:1 342265:1 114942:1 668915:2 502190:2 139044:2 213045:2 36710:2 119509:2 450285:2 165440:2 199495:2 798870:2
-477955:0 598041:0 452166:0 924550:0 152308:0 316225:0 285239:0 7967:0 177143:0 132244:0 391070:1 169561:1 256279:1 563588:1 749753:1 237035:1 550804:1 736257:1 71551:1 61944:1 102132:2 484023:2 82995:2 732704:2 114816:2 413165:2 197504:2 686192:2 253734:2 248157:2
-325819:0 140241:0 365103:0 334185:0 357327:0 613836:0 928004:0 595589:0 506569:0 539067:0 638196:1 729129:1 730912:1 701797:1 571150:1 140054:1 680316:1 889784:1 302584:1 676284:1 671069:2 212989:2 318469:2 732930:2 924564:2 147041:2 572412:2 662673:2 418312:2 382855:2
-839803:0 888881:0 957998:0 906486:0 44377:0 247842:0 994783:0 813449:0 168271:0 493685:0 269703:1 156692:1 686681:1 273684:1 312387:1 462033:1 669631:1 635437:1 74337:1 217677:1 582194:2 992666:2 860610:2 660766:2 24524:2 169856:2 882211:2 291866:2 44494:2 984736:2
-327559:0 627497:0 876526:0 243959:0 532929:0 639919:0 443220:0 952110:0 844723:0 372053:0 196819:1 326005:1 62242:1 774928:1 382727:1 348680:1 946697:1 625998:1 276517:1 251595:1 342204:2 825871:2 407136:2 724114:2 611341:2 517978:2 248341:2 111254:2 836867:2 677297:2
-72451:0 749548:0 283413:0 419402:0 67446:0 341795:0 918120:0 892028:0 113151:0 832663:0 758121:1 500602:1 734935:1 577972:1 205421:1 726739:1 276563:1 611928:1 185486:1 603502:1 633117:2 929300:2 332435:2 216848:2 412769:2 708304:2 800045:2 315869:2 444476:2 332565:2
-675647:0 212558:0 654982:0 321053:0 111172:0 635432:0 298523:0 612182:0 203835:0 288250:0 990034:1 891786:1 188524:1 480757:1 436783:1 874434:1 530090:1 492441:1 32835:1 886415:1 688876:2 626030:2 612348:2 208265:2 355885:2 603938:2 349931:2 86683:2 361956:2 705130:2
-164500:0 332294:0 373155:0 320413:0 801561:0 152827:0 28282:0 435913:0 376758:0 367848:0 285596:1 282674:1 357323:1 257195:1 948061:1 996976:1 300918:1 734644:1 870559:1 924205:1 45095:2 61352:2 242258:2 153354:2 763576:2 133542:2 431079:2 193327:2 655823:2 770159:2
-821764:0 184731:0 888413:0 793536:0 30049:0 533675:0 791254:0 92255:0 74185:0 557758:0 795898:1 15689:1 983592:1 248891:1 64421:1 387642:1 315522:1 526054:1 404172:1 704838:1 537016:2 383828:2 438418:2 885895:2 894698:2 228867:2 343213:2 411377:2 149957:2 810795:2
+0:149 0:150 0:151 0:152 0:96 1:181 1:149 1:150 1:968 1:152 1:1019 1:67 1:96 2:418 2:149 2:153 2:152 2:419 2:96
+0:389 0:390 0:391 0:392 1:389 1:390 1:391 1:392 1:137 1:569 1:889 2:389 2:390 2:1375 2:391 2:392
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:272 1:118 1:119 1:605 1:121 1:122 2:123 2:121 2:124 2:125 2:126 2:32 2:13 2:127 2:1 2:124 2:1 2:128 2:4 2:129 2:4 2:130 2:131 2:132 2:133 2:134 2:48 2:22
+0:135 0:56 0:79 0:96 0:97 1:177 1:181 1:44 1:79 1:135 1:56 1:33 1:96 1:97 2:135 2:320 2:4 2:56 2:477 2:75 2:96 2:22
+0:660 0:661 0:662 0:663 0:664 0:665 0:148 0:666 0:14 0:39 1:660 1:450 1:709 1:663 1:664 1:665 1:148 1:666 2:376 2:664 2:706 2:707 2:660 2:13 2:450 2:708 2:709 2:137 2:278 2:665 2:148 2:666 2:13 2:177 2:574 2:509 2:710 2:711 2:4 2:75 2:68 2:712 2:48 2:22
+0:248 0:249 0:67 0:68 0:250 0:248 0:249 0:144 0:9 0:48 0:61 0:251 1:905 1:248 1:249 1:22 1:22 1:571 1:87 1:9 1:22 1:22 2:757 2:758 2:4 2:248 2:249 2:61 2:86 2:9 2:22
+0:262 0:263 0:264 0:265 0:14 0:39 1:928 1:263 1:358 1:265 1:14 1:39 1:22 2:262 2:426 2:264 2:266 2:263 2:962 2:963 2:14 2:39
+0:28 0:4 0:123 0:257 0:273 0:274 0:118 0:136 0:4 0:275 1:257 1:123 1:511 1:274 1:124 1:136 1:512 1:4 1:275 2:28 2:181 2:123 2:257 2:273 2:274 2:118 2:136 2:4 2:275 2:13 2:28 2:304 2:136 2:148 2:10 2:118 2:13 2:67 2:68 2:359 2:768 2:22
+0:15 0:16 0:17 0:4 0:18 0:19 0:20 0:21 0:22 1:18 1:19 1:15 1:16 1:573 1:16 1:17 1:20 1:21 2:15 2:16 2:573 2:19 2:20 2:21
+0:44 0:45 0:46 0:47 0:48 1:44 1:45 1:46 1:47 1:48 2:45 2:44 2:68 2:46 2:47
+0:175 0:86 0:113 0:68 1:217 1:113 1:68 1:218 2:175 2:113 2:68 2:732 2:68
+0:660 0:661 0:662 0:663 0:664 0:665 0:148 0:666 0:14 0:39 1:660 1:662 1:10 1:664 1:665 1:148 1:666 1:137 1:14 1:39 2:664 2:667 2:709 2:708 2:13 2:665 2:148 2:666 2:14 2:39
+0:106 0:107 0:38 0:96 1:349 1:38 1:67 1:96 1:22 2:926 2:927 2:232 2:38 2:67 2:96
+0:248 0:249 0:67 0:68 0:250 0:248 0:249 0:144 0:9 0:48 0:61 0:251 1:905 1:248 1:249 1:22 1:22 1:571 1:87 1:9 1:22 1:22 2:248 2:249 2:86 2:466 2:48 2:173 2:388 2:589 2:68
+0:405 0:340 0:183 1:405 1:610 1:21 1:340 1:48 2:405 2:570 2:340 2:571 2:183
+0:262 0:263 0:264 0:265 0:14 0:39 1:630 1:262 1:263 1:265 1:280 2:262 2:794 2:263 2:265 2:14 2:39
+0:315 0:30 0:14 0:316 0:317 1:315 1:14 1:474 1:395 2:315 2:30 2:14 2:585 2:474 2:317
+0:257 0:30 0:426 0:230 0:427 0:428 1:257 1:30 1:426 1:230 1:427 1:428 2:30 2:230 2:651 2:652 2:67 2:14 2:653
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:14 1:1 1:2 1:91 1:157 1:840 1:841 2:157 2:160 2:14 2:91 2:13 2:2 2:86 2:219 2:4 2:103 2:48
+0:248 0:249 0:67 0:68 0:250 0:248 0:249 0:144 0:9 0:48 0:61 0:251 1:248 1:249 1:67 1:68 1:69 1:13 1:466 1:1140 1:48 2:248 2:135 2:144 2:9 2:48 2:22 2:466 2:248 2:249 2:61 2:345
+0:28 0:29 0:30 0:31 0:32 0:33 0:34 0:35 0:28 0:36 0:37 0:16 0:38 0:14 0:39 1:1436 1:30 1:65 1:65 1:31 1:32 1:36 1:10 1:41 1:1437 1:16 1:38 1:14 1:39 1:22 2:29 2:31 2:32 2:388 2:41 2:42 2:16 2:38 2:34 2:10 2:155 2:85 2:22
+0:28 0:4 0:123 0:257 0:273 0:274 0:118 0:136 0:4 0:275 1:123 1:276 1:276 1:276 1:276 1:276 1:276 1:144 1:277 1:275 1:278 1:257 1:273 1:274 1:118 1:136 1:4 1:275 2:28 2:4 2:119 2:136 2:275 2:14 2:118 2:273 2:274 2:13 2:67 2:14 2:653 2:173
+0:56 0:57 0:58 0:1 0:59 0:4 0:60 0:44 1:56 1:86 1:92 1:59 1:4 1:60 1:44 1:93 2:59 2:32 2:13 2:61 2:58 2:6 2:60 2:56
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1 1:123 1:178 1:117 1:118 1:130 1:16 1:1043 1:120 1:121 1:118 1:122 1:48 2:119 2:132 2:118 2:208 2:48
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:155 1:1 1:2 1:91 1:156 1:157 1:160 2:14 2:91 2:156 2:4 2:157 2:221
+0:175 0:86 0:113 0:68 1:175 1:113 1:68 2:175 2:113 2:68 2:114 2:116
+0:315 0:30 0:14 0:316 0:317 1:1153 1:14 1:316 1:395 1:1154 2:315 2:443 2:30 2:14 2:316 2:395 2:444
+0:262 0:263 0:264 0:265 0:14 0:39 1:1020 1:262 1:263 1:357 1:265 1:206 1:14 1:39 1:22 2:1395 2:1396 2:146 2:1397 2:264 2:265 2:14 2:39 2:22
+0:175 0:86 0:113 0:68 1:217 1:113 1:68 1:22 2:175 2:113 2:68 2:218 2:116 2:22 2:22 2:22 2:22 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:28 1:117 1:118 1:119 1:13 1:118 1:120 1:298 1:48 2:124 2:123 2:42 2:121 2:588 2:10 2:13 2:28 2:208 2:130 2:93 2:22
+0:106 0:107 0:38 0:96 1:106 1:107 1:1304 1:16 1:38 1:67 1:68 2:828 2:107 2:38
+0:405 0:340 0:183 1:405 1:340 1:183 2:405 2:4 2:1195 2:1196 2:13 2:340 2:1197
+0:56 0:57 0:58 0:1 0:59 0:4 0:60 0:44 1:135 1:56 1:592 1:1 1:466 1:4 1:60 1:48 2:929 2:930 2:623 2:13 2:931 2:59 2:216 2:56 2:321 2:57 2:148 2:932 2:933
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:1 1:2 1:14 1:219 1:670 1:61 1:220 1:137 2:177 2:91 2:488 2:14 2:219 2:22
+0:262 0:263 0:264 0:265 0:14 0:39 1:262 1:369 1:263 1:1018 1:265 1:14 1:39 2:262 2:426 2:263 2:1018 2:265 2:13 2:268 2:70 2:22
+0:135 0:56 0:79 0:96 0:97 1:177 1:181 1:44 1:79 1:135 1:56 1:33 1:96 1:97 2:135 2:56 2:96 2:97
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:117 1:118 1:4 1:130 1:605 1:121 1:124 1:298 2:121 2:118 2:303 2:123 2:32 2:133 2:134 2:944 2:4 2:130 2:48
+0:389 0:390 0:391 0:392 1:543 1:28 1:389 1:934 1:391 1:392 2:500 2:389 2:390 2:830 2:4 2:391 2:392
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:28 1:117 1:118 1:119 1:13 1:118 1:120 1:298 1:48 2:119 2:831 2:1276 2:130 2:65 2:65 2:454 2:120 2:298 2:48
+0:44 0:45 0:46 0:47 0:48 1:1 1:45 1:178 1:44 1:1111 1:144 1:47 1:48 1:22 2:44 2:45 2:46 2:754 2:148 2:22
+0:284 0:1 0:285 0:286 0:67 0:44 0:68 1:287 1:4 1:1 1:285 1:286 1:151 1:288 1:289 1:290 2:323 2:1 2:324 2:144 2:44 2:68 2:290
+0:421 0:490 1:421 1:490 2:978 2:4 2:490 2:22
+0:175 0:86 0:113 0:68 1:175 1:86 1:113 1:68 1:218 2:175 2:113 2:68 2:732 2:68
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:123 1:117 1:118 1:4 1:130 1:118 1:208 1:48 2:123 2:121 2:118 2:125 2:126 2:10 2:13 2:454 2:133 2:134 2:28 2:129 2:455 2:439 2:4 2:295 2:48
+0:135 0:56 0:79 0:96 0:97 1:135 1:56 1:79 1:33 1:572 1:96 1:97 2:135 2:56 2:79 2:96 2:97 2:13 2:58 2:6 2:623 2:48 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1293 1:117 1:118 1:130 1:137 1:65 1:65 1:118 1:57 1:120 1:298 1:70 2:298 2:118 2:4 2:1093 2:13 2:117 2:118 2:4 2:123 2:725 2:16 2:1094 2:120 2:121 2:124 2:298 2:48
+0:175 0:86 0:113 0:68 1:217 1:144 1:113 1:68 2:175 2:113 2:68 2:21 2:22
+0:248 0:249 0:67 0:68 0:250 0:248 0:249 0:144 0:9 0:48 0:61 0:251 1:248 1:249 1:67 1:68 1:69 1:13 1:144 1:9 1:48 1:22 2:248 2:249 2:86 2:9 2:48 2:13 2:120 2:75 2:68 2:1122 2:48
+0:106 0:107 0:38 0:96 1:349 1:4 1:107 1:38 1:67 1:96 2:166 2:107 2:38 2:67 2:96
+0:44 0:45 0:46 0:47 0:48 1:1 1:45 1:44 1:182 1:46 1:13 1:311 1:4 1:144 1:47 1:48 2:45 2:49 2:44 2:50 2:51 2:47 2:48 2:22
+0:56 0:57 0:58 0:1 0:59 0:4 0:60 0:44 1:135 1:1423 1:205 1:67 1:592 1:6 1:59 1:4 1:623 1:26 1:1424 1:67 2:590 2:591 2:56 2:57 2:592 2:103 2:59 2:4 2:60 2:6 2:56
+0:135 0:56 0:79 0:96 0:97 1:135 1:56 1:252 1:96 1:97 2:1164 2:4 2:249 2:44 2:79 2:56 2:96 2:97
+0:283 0:67 0:68 0:69 1:283 1:65 1:65 1:65 1:65 1:65 1:65 1:65 1:65 1:67 1:68 1:69 1:22 2:283 2:67 2:68 2:69 2:1157
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:155 1:1 1:2 1:219 1:103 1:61 1:220 1:221 2:155 2:219 2:670 2:4 2:488 2:22
+0:405 0:340 0:183 1:405 1:340 1:183 2:405 2:570 2:340 2:571 2:183
+0:256 0:257 0:120 0:258 1:256 1:258 1:148 1:322 2:256 2:257 2:759 2:258 2:13 2:760 2:65 2:65 2:761 2:762
+0:365 0:366 0:103 0:367 0:14 0:368 1:365 1:366 1:103 1:537 1:14 1:368 2:365 2:537 2:103 2:366 2:14 2:368
+0:660 0:661 0:662 0:663 0:664 0:665 0:148 0:666 0:14 0:39 1:587 1:708 1:10 1:664 1:709 1:13 1:903 1:665 1:148 1:1291 1:14 1:39 1:22 2:706 2:4 2:156 2:660 2:13 2:1009 2:450 2:708 2:13 2:664 2:257 2:665 2:148 2:666 2:22
+0:445 0:14 0:446 0:447 1:1404 1:13 1:445 1:14 1:446 1:447 2:448 2:1013 2:121 2:871 2:4 2:1014 2:447 2:14 2:446
+0:248 0:249 0:67 0:68 0:250 0:248 0:249 0:144 0:9 0:48 0:61 0:251 1:248 1:249 1:67 1:68 1:69 1:13 1:466 1:1140 1:48 2:757 2:758 2:4 2:248 2:249 2:61 2:86 2:9 2:22
+0:284 0:1 0:285 0:286 0:67 0:44 0:68 1:287 1:4 1:1 1:285 1:286 1:151 1:288 1:289 1:290 2:413 2:1 2:1316 2:44 2:68 2:290
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1293 1:117 1:118 1:130 1:137 1:65 1:65 1:118 1:57 1:120 1:298 1:70 2:148 2:394 2:124 2:924 2:4 2:130 2:120 2:121 2:122 2:48
+0:44 0:45 0:46 0:47 0:48 1:181 1:44 1:45 1:46 1:47 1:48 2:45 2:44 2:68 2:46 2:190 2:47
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:123 1:117 1:118 1:4 1:130 1:118 1:208 1:48 2:123 2:121 2:125 2:126 2:32 2:124 2:133 2:134 2:1040 2:93
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:156 1:157 1:810 1:2 1:14 1:91 2:183 2:86 2:1 2:2 2:91 2:128 2:4 2:157 2:158
+0:660 0:661 0:662 0:663 0:664 0:665 0:148 0:666 0:14 0:39 1:660 1:450 1:709 1:663 1:664 1:665 1:148 1:666 2:664 2:660 2:709 2:708 2:51 2:614 2:666 2:13 2:587 2:148 2:364 2:1262 2:10 2:14 2:39 2:22
+0:315 0:30 0:14 0:316 0:317 1:701 1:14 1:702 1:317 2:315 2:443 2:30 2:14 2:316 2:395 2:444
+0:763 0:764 0:765 0:67 0:68 1:763 1:764 1:765 1:67 1:68 2:1035 2:763 2:764 2:765 2:886 2:765 2:67 2:68 2:69
+0:135 0:56 0:79 0:96 0:97 1:151 1:544 1:699 1:56 1:79 1:96 1:97 1:22 2:135 2:151 2:56 2:96 2:97
+0:135 0:56 0:79 0:96 0:97 1:151 1:56 1:79 1:477 1:96 2:318 2:4 2:319 2:320 2:321 2:56 2:33 2:96 2:97
+0:135 0:56 0:79 0:96 0:97 1:135 1:56 1:79 1:33 1:572 1:96 1:97 2:1268 2:135 2:56 2:79 2:477 2:96
+0:15 0:16 0:17 0:4 0:18 0:19 0:20 0:21 0:22 1:635 1:15 1:16 1:17 1:636 1:19 1:21 1:22 2:15 2:16 2:17 2:4 2:19 2:20 2:21 2:22
+0:248 0:249 0:67 0:68 0:250 0:248 0:249 0:144 0:9 0:48 0:61 0:251 1:905 1:248 1:249 1:22 1:22 1:571 1:87 1:9 1:22 1:22 2:603 2:248 2:249 2:86 2:9 2:48 2:22 2:144 2:604 2:249 2:48 2:22
+0:44 0:45 0:46 0:47 0:48 1:44 1:45 1:46 1:47 1:48 2:1 2:45 2:178 2:44 2:68 2:46 2:47 2:70 2:137
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1 1:123 1:117 1:118 1:4 1:130 1:13 1:454 1:86 1:298 1:28 1:117 1:196 1:48 1:22 2:123 2:121 2:124 2:299 2:130 2:128 2:208 2:48
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:272 1:118 1:119 1:605 1:121 1:122 2:123 2:136 2:10 2:668 2:130 2:669 2:670 2:86 2:117 2:137 2:124 2:120 2:298 2:48 2:22 2:120 2:75 2:671 2:48 2:22 2:672
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1 1:123 1:178 1:117 1:118 1:130 1:16 1:1043 1:120 1:121 1:118 1:122 1:48 2:123 2:117 2:118 2:218 2:118 2:120 2:298 2:48 2:22
+0:262 0:263 0:264 0:265 0:14 0:39 1:262 1:639 1:264 1:266 1:13 1:263 1:264 1:265 1:13 1:67 1:68 1:359 1:933 1:22 1:33 1:14 1:594 1:240 1:22 2:364 2:420 2:13 2:28 2:4 2:262 2:257 2:263 2:264 2:265 2:22
+0:106 0:107 0:38 0:96 1:106 1:927 1:38 1:67 1:96 1:1354 1:137 1:137 1:137 2:281 2:166 2:4 2:282 2:38 2:67 2:96
+0:56 0:57 0:58 0:1 0:59 0:4 0:60 0:44 1:56 1:592 1:6 1:59 1:4 1:238 1:883 1:60 1:48 2:590 2:57 2:58 2:1 2:466 2:4 2:60 2:56 2:48
+0:28 0:29 0:30 0:31 0:32 0:33 0:34 0:35 0:28 0:36 0:37 0:16 0:38 0:14 0:39 1:28 1:4 1:850 1:31 1:32 1:388 1:1069 1:578 1:34 1:13 1:278 1:28 1:36 1:1069 1:38 1:10 1:13 1:14 1:578 1:34 1:28 1:4 1:30 1:240 2:28 2:386 2:387 2:30 2:13 2:31 2:10 2:369 2:34 2:388 2:37 2:16 2:38 2:14 2:39 2:22
+0:106 0:107 0:38 0:96 1:106 1:1288 1:38 1:107 1:67 1:96 2:106 2:923 2:38 2:96
+0:445 0:14 0:446 0:447 1:1404 1:13 1:445 1:14 1:446 1:447 2:448 2:155 2:446 2:447 2:446 2:447 2:690 2:148 2:682 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:587 1:117 1:123 1:271 1:4 1:156 1:1043 1:4 1:354 1:120 1:121 1:122 1:48 1:22 2:123 2:117 2:118 2:218 2:118 2:120 2:298 2:48 2:22
+0:44 0:45 0:46 0:47 0:48 1:44 1:45 1:46 1:75 1:822 1:47 1:48 2:45 2:68 2:46 2:47 2:22
+0:106 0:107 0:38 0:96 1:106 1:927 1:38 1:67 1:96 1:1354 1:137 1:137 1:137 2:349 2:4 2:107 2:463 2:464 2:38 2:67 2:96
+0:149 0:150 0:151 0:152 0:96 1:149 1:150 1:151 1:152 1:96 2:149 2:4 2:691 2:150 2:151 2:152 2:67 2:96
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1 1:123 1:178 1:117 1:118 1:130 1:16 1:1043 1:120 1:121 1:118 1:122 1:48 2:257 2:123 2:121 2:125 2:126 2:144 2:133 2:134 2:124 2:4 2:130
+0:44 0:45 0:46 0:47 0:48 1:181 1:44 1:45 1:46 1:47 1:48 2:14 2:44 2:45 2:46 2:173 2:21 2:44 2:48
+0:315 0:30 0:14 0:316 0:317 1:315 1:14 1:474 1:395 2:155 2:394 2:315 2:30 2:395 2:396 2:148 2:397 2:48 2:22
+0:56 0:57 0:58 0:1 0:59 0:4 0:60 0:44 1:135 1:56 1:57 1:58 1:103 1:59 1:4 1:60 2:1089 2:57 2:304 2:58 2:6 2:622 2:4 2:623 2:44 2:56
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1 1:123 1:117 1:118 1:4 1:130 1:13 1:454 1:86 1:298 1:28 1:117 1:196 1:48 1:22 2:123 2:117 2:118 2:218 2:118 2:120 2:298 2:48 2:22
+0:44 0:45 0:46 0:47 0:48 1:1 1:45 1:178 1:44 1:1111 1:144 1:47 1:48 1:22 2:808 2:44 2:613 2:46 2:47 2:492
+0:257 0:30 0:426 0:230 0:427 0:428 1:257 1:1216 1:230 1:82 2:30 2:230 2:651 2:652 2:67 2:14 2:653
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:123 1:117 1:118 1:4 1:130 1:118 1:208 1:48 2:28 2:1420 2:82 2:123 2:678 2:128 2:4 2:1421 2:1422 2:120 2:121 2:1276 2:117 2:48 2:22
+0:262 0:263 0:264 0:265 0:14 0:39 1:262 1:264 1:266 1:65 1:65 1:609 1:432 1:264 1:265 1:65 1:65 1:280 1:70 2:262 2:717 2:44 2:4 2:718 2:263 2:264 2:265 2:67 2:268
+0:149 0:150 0:151 0:152 0:96 1:181 1:149 1:150 1:968 1:152 1:1019 1:67 1:96 2:149 2:4 2:691 2:150 2:151 2:152 2:67 2:96
+0:558 0:559 0:16 0:560 0:75 0:68 0:76 1:30 1:558 1:562 1:16 1:560 1:75 1:68 1:76 2:30 2:558 2:633 2:562 2:16 2:560 2:75 2:68 2:76
+0:315 0:30 0:14 0:316 0:317 1:315 1:693 1:14 1:694 1:395 1:444 2:315 2:30 2:14 2:585 2:474 2:317
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:156 1:157 1:810 1:2 1:14 1:91 2:155 2:91 2:156 2:157 2:158 2:160
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:272 1:118 1:119 1:605 1:121 1:122 2:28 2:1 2:119 2:136 2:1299 2:1300 2:111 2:117 2:13 2:118 2:144 2:404 2:121 2:1041 2:4 2:111 2:48 2:22
+0:135 0:56 0:79 0:96 0:97 1:151 1:56 1:79 1:477 1:96 2:135 2:56 2:419 2:96 2:97 2:22 2:151 2:788 2:56 2:79 2:22
+0:175 0:86 0:113 0:68 1:175 1:86 1:113 1:68 2:175 2:1377 2:113 2:68
+0:135 0:56 0:79 0:96 0:97 1:135 1:56 1:252 1:96 1:97 2:135 2:320 2:4 2:56 2:477 2:75 2:96 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:587 1:117 1:123 1:271 1:4 1:156 1:1043 1:4 1:354 1:120 1:121 1:122 1:48 1:22 2:123 2:121 2:125 2:126 2:32 2:124 2:133 2:134 2:1040 2:93
+0:106 0:107 0:38 0:96 1:106 1:4 1:735 1:38 1:67 1:96 2:106 2:13 2:108 2:109 2:38 2:67 2:96 2:22
+0:106 0:107 0:38 0:96 1:106 1:4 1:1301 1:38 1:67 1:96 2:281 2:166 2:4 2:282 2:38 2:67 2:96
+0:262 0:263 0:264 0:265 0:14 0:39 1:28 1:4 1:262 1:1339 1:263 1:264 1:265 2:262 2:1016 2:1017 2:32 2:263 2:1018 2:265 2:13 2:14 2:39 2:22
+0:262 0:263 0:264 0:265 0:14 0:39 1:1020 1:263 1:358 1:265 1:14 1:39 2:262 2:263 2:357 2:358 2:265 2:67 2:68 2:359 2:22
+0:75 0:68 0:30 0:432 0:86 0:433 0:434 0:178 0:4 0:435 1:75 1:68 1:30 1:432 1:86 1:433 1:434 1:178 1:4 1:435 2:619 2:30 2:75 2:68 2:432 2:86 2:744 2:433 2:745 2:4 2:435 2:22
+0:135 0:56 0:79 0:96 0:97 1:135 1:56 1:252 1:96 1:97 2:135 2:1252 2:56 2:419 2:388 2:96 2:477 2:22
+0:405 0:340 0:183 1:405 1:610 1:21 1:340 1:48 2:405 2:183
+0:71 0:72 0:16 0:73 0:74 0:75 0:68 0:76 1:71 1:73 1:16 1:72 1:4 1:76 1:22 2:71 2:72 2:16 2:766 2:75 2:68 2:767 2:22
+0:175 0:86 0:113 0:68 1:175 1:86 1:113 1:68 1:218 2:835 2:858 2:4 2:4 2:175 2:86 2:113 2:68
+0:135 0:56 0:79 0:96 0:97 1:177 1:181 1:44 1:79 1:135 1:56 1:33 1:96 1:97 2:925 2:135 2:56 2:79 2:388 2:96 2:97
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:155 1:1 1:2 1:91 1:103 1:156 1:4 1:157 1:1277 1:158 2:128 2:87 2:1 2:2 2:91 2:128 2:4 2:157 2:158
+0:44 0:45 0:46 0:47 0:48 1:44 1:182 1:46 1:144 1:47 1:48 2:44 2:45 2:46 2:754 2:148 2:22
+0:175 0:86 0:113 0:68 1:217 1:113 1:68 2:835 2:858 2:4 2:4 2:175 2:86 2:113 2:68
+0:135 0:56 0:79 0:96 0:97 1:135 1:56 1:79 1:96 1:97 1:22 2:135 2:320 2:4 2:56 2:477 2:75 2:96 2:22
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:155 1:1 1:2 1:91 1:103 1:156 1:4 1:157 1:1277 1:158 2:14 2:578 2:91 2:156 2:157 2:160
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:123 1:117 1:118 1:4 1:130 1:118 1:208 1:48 2:28 2:1 2:119 2:136 2:1299 2:1300 2:111 2:117 2:13 2:118 2:144 2:404 2:121 2:1041 2:4 2:111 2:48 2:22
+0:28 0:4 0:123 0:257 0:273 0:274 0:118 0:136 0:4 0:275 1:257 1:123 1:511 1:274 1:124 1:136 1:512 1:4 1:275 2:123 2:136 2:148 2:996 2:275 2:273 2:274 2:275
+0:28 0:29 0:30 0:31 0:32 0:33 0:34 0:35 0:28 0:36 0:37 0:16 0:38 0:14 0:39 1:29 1:1102 1:31 1:1103 1:33 1:34 1:43 1:10 1:1104 1:38 1:14 1:39 2:29 2:31 2:32 2:388 2:41 2:42 2:16 2:38 2:34 2:10 2:155 2:85 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:28 1:1105 1:1293 1:6 1:117 1:94 1:413 1:119 1:13 1:120 1:121 1:454 1:122 1:48 1:22 2:877 2:831 2:123 2:4 2:130 2:13 2:124 2:120 2:298 2:48 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:117 1:118 1:4 1:119 1:120 1:1100 1:1101 1:93 2:119 2:121 2:124 2:299 2:32 2:13 2:1305 2:124 2:4 2:156 2:160 2:439 2:4 2:1043 2:13 2:133 2:134 2:1306 2:48 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:117 1:118 1:4 1:119 1:120 1:121 1:122 1:48 2:257 2:123 2:121 2:125 2:126 2:144 2:133 2:134 2:124 2:4 2:130
+0:44 0:45 0:46 0:47 0:48 1:364 1:44 1:45 1:13 1:46 1:13 1:144 1:47 1:48 1:22 2:45 2:613 2:46 2:47 2:48 2:22
+0:159 0:82 0:30 0:877 0:878 1:1358 1:166 1:82 1:30 1:14 1:877 2:30 2:155 2:879 2:877 2:878
+0:141 0:113 0:142 0:143 0:144 0:145 0:48 1:28 1:145 1:13 1:141 1:113 1:142 1:143 1:173 1:891 1:86 1:48 1:22 2:141 2:113 2:382 2:144 2:145 2:48 2:22
+0:106 0:107 0:38 0:96 1:349 1:38 1:67 1:96 1:22 2:165 2:166 2:4 2:232 2:38 2:96 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:117 1:118 1:4 1:130 1:605 1:121 1:124 1:298 2:587 2:124 2:123 2:121 2:588 2:28 2:208 2:454 2:4 2:130 2:48
+0:262 0:263 0:264 0:265 0:14 0:39 1:28 1:4 1:262 1:1339 1:263 1:264 1:265 2:262 2:263 2:357 2:358 2:265 2:67 2:68 2:359 2:22
+0:44 0:45 0:46 0:47 0:48 1:44 1:182 1:46 1:144 1:47 1:48 2:612 2:44 2:613 2:46 2:21 2:47 2:48 2:22
+0:149 0:150 0:151 0:152 0:96 1:6 1:149 1:1368 1:150 1:4 1:152 1:96 2:418 2:149 2:153 2:152 2:419 2:96
+0:763 0:764 0:765 0:67 0:68 1:763 1:764 1:765 1:67 1:68 2:763 2:1048 2:439 2:4 2:764 2:765 2:886 2:765 2:67 2:68 2:22 2:6 2:495 2:1049 2:22
+0:149 0:150 0:151 0:152 0:96 1:149 1:153 1:152 1:154 1:67 1:96 2:418 2:149 2:153 2:152 2:419 2:96
+0:284 0:1 0:285 0:286 0:67 0:44 0:68 1:287 1:4 1:1 1:285 1:286 1:151 1:288 1:289 1:290 2:285 2:770 2:67 2:65 2:65 2:797 2:68 2:4
+0:135 0:56 0:79 0:96 0:97 1:56 1:252 1:135 1:419 1:96 1:97 2:1268 2:135 2:56 2:79 2:477 2:96
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:117 1:118 1:4 1:119 1:120 1:1100 1:1101 1:93 2:123 2:1214 2:1360 2:509 2:1361 2:111 2:1362 2:13 2:124 2:120 2:298 2:48 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:272 1:118 1:119 1:605 1:121 1:122 2:123 2:121 2:118 2:303 2:10 2:133 2:134 2:130 2:48
+0:149 0:150 0:151 0:152 0:96 1:6 1:149 1:1368 1:150 1:4 1:152 1:96 2:149 2:4 2:691 2:150 2:151 2:152 2:67 2:96
+0:106 0:107 0:38 0:96 1:106 1:4 1:1301 1:38 1:67 1:96 2:349 2:4 2:107 2:463 2:464 2:38 2:67 2:96
+0:44 0:45 0:46 0:47 0:48 1:181 1:44 1:45 1:46 1:47 1:48 2:45 2:44 2:68 2:46 2:47
+0:283 0:67 0:68 0:69 1:283 1:1167 1:69 2:819 2:65 2:65 2:820 2:65 2:65 2:283 2:65 2:65 2:67 2:68 2:69 2:22
+0:370 0:371 0:4 0:372 0:67 0:68 1:567 1:4 1:370 1:371 1:4 1:372 1:67 1:68 1:22 2:370 2:371 2:372 2:67 2:967 2:464
+0:149 0:150 0:151 0:152 0:96 1:149 1:150 1:307 1:96 1:152 1:22 2:998 2:4 2:149 2:150 2:4 2:152 2:151 2:67 2:96 2:22
+0:44 0:45 0:46 0:47 0:48 1:1 1:45 1:44 1:182 1:46 1:13 1:311 1:4 1:144 1:47 1:48 2:45 2:178 2:1171 2:44 2:613 2:46 2:47 2:48 2:22
+0:262 0:263 0:264 0:265 0:14 0:39 1:262 1:369 1:263 1:1018 1:265 1:14 1:39 2:279 2:262 2:263 2:265 2:280
+0:558 0:559 0:16 0:560 0:75 0:68 0:76 1:560 1:16 1:558 1:559 1:562 1:75 1:68 1:76 1:48 2:720 2:65 2:65 2:721 2:194 2:722 2:16 2:558 2:562 2:75 2:68 2:76
+0:175 0:86 0:113 0:68 1:217 1:113 1:68 1:114 1:22 2:175 2:113 2:68 2:114 2:116
+0:175 0:86 0:113 0:68 1:935 1:4 1:175 1:113 1:68 2:175 2:113 2:68 2:114 2:116
+0:558 0:559 0:16 0:560 0:75 0:68 0:76 1:30 1:558 1:562 1:16 1:560 1:75 1:68 1:76 2:1269 2:16 2:558 2:562 2:75 2:68 2:76 2:48
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:272 1:118 1:119 1:605 1:121 1:122 2:119 2:877 2:385 2:394 2:670 2:117 2:13 2:454 2:120 2:298 2:48
+0:175 0:86 0:113 0:68 1:175 1:113 1:68 2:175 2:113 2:68 2:732 2:68
+0:15 0:16 0:17 0:4 0:18 0:19 0:20 0:21 0:22 1:635 1:15 1:16 1:17 1:636 1:19 1:21 1:22 2:15 2:19 2:21 2:22 2:22 2:65 2:65 2:26 2:17 2:19 2:21 2:22 2:22 2:65 2:65 2:1085
+0:28 0:4 0:123 0:257 0:273 0:274 0:118 0:136 0:4 0:275 1:257 1:123 1:723 1:118 1:136 1:724 1:4 1:275 1:240 1:22 2:257 2:118 2:82 2:123 2:136 2:4 2:275 2:28 2:1 2:262 2:178 2:273 2:274
+0:135 0:56 0:79 0:96 0:97 1:135 1:151 1:56 1:79 1:96 1:97 2:319 2:56 2:79 2:96 2:97 2:22 2:56 2:288 2:75 2:68
+0:56 0:57 0:58 0:1 0:59 0:4 0:60 0:44 1:56 1:592 1:6 1:59 1:4 1:238 1:883 1:60 1:48 2:620 2:58 2:1 2:59 2:4 2:623 2:44 2:48 2:22 2:6 2:871 2:4 2:623 2:120 2:75 2:68 2:872 2:48 2:22
+0:519 0:520 0:521 0:14 0:522 1:75 1:468 1:298 1:519 1:520 1:4 1:521 1:14 1:522 1:22 1:22 1:22 1:22 2:523 2:155 2:522
+0:257 0:30 0:426 0:230 0:427 0:428 1:257 1:1249 1:30 1:4 1:428 1:120 1:426 1:930 1:22 2:30 2:230 2:651 2:652 2:67 2:14 2:653
+0:106 0:107 0:38 0:96 1:106 1:4 1:1301 1:38 1:67 1:96 2:990 2:166 2:282 2:38 2:67 2:96
+0:262 0:263 0:264 0:265 0:14 0:39 1:262 1:369 1:32 1:263 1:264 1:265 2:262 2:1367 2:718 2:32 2:263 2:264 2:265 2:14 2:39 2:22
+0:106 0:107 0:38 0:96 1:349 1:232 1:282 1:38 1:67 1:96 2:1256 2:4 2:232 2:38 2:67 2:68
+0:262 0:263 0:264 0:265 0:14 0:39 1:1020 1:262 1:263 1:357 1:265 1:206 1:14 1:39 1:22 2:639 2:640 2:262 2:263 2:264 2:265
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1 1:123 1:117 1:118 1:4 1:130 1:13 1:454 1:86 1:298 1:28 1:117 1:196 1:48 1:22 2:877 2:831 2:123 2:4 2:130 2:13 2:124 2:120 2:298 2:48 2:22
+0:284 0:1 0:285 0:286 0:67 0:44 0:68 1:285 1:4 1:287 1:4 1:796 1:797 1:68 1:4 2:28 2:67 2:287 2:4 2:13 2:364 2:6 2:285 2:286 2:173
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1 1:123 1:117 1:118 1:4 1:130 1:13 1:454 1:86 1:298 1:28 1:117 1:196 1:48 1:22 2:123 2:877 2:831 2:124 2:130 2:124 2:605 2:298 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:28 1:117 1:118 1:119 1:13 1:118 1:120 1:298 1:48 2:257 2:123 2:121 2:125 2:126 2:144 2:133 2:134 2:124 2:4 2:130
+0:56 0:57 0:58 0:1 0:59 0:4 0:60 0:44 1:56 1:58 1:1 1:59 1:4 1:60 1:48 2:929 2:930 2:623 2:13 2:931 2:59 2:216 2:56 2:321 2:57 2:148 2:932 2:933
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:155 1:1 1:2 1:91 1:156 1:157 1:160 2:155 2:1 2:2 2:91 2:118 2:157 2:158
+0:370 0:371 0:4 0:372 0:67 0:68 1:370 1:371 1:4 1:372 1:67 1:68 2:372 2:373 2:67 2:68 2:371
+0:135 0:56 0:79 0:96 0:97 1:56 1:252 1:135 1:419 1:96 1:97 2:181 2:319 2:13 2:858 2:56 2:79 2:96 2:97
+0:283 0:67 0:68 0:69 1:127 1:283 1:67 1:68 1:69 2:283 2:4 2:1099 2:67 2:68 2:69
+0:1 0:2 0:3 0:4 0:5 0:6 0:7 0:8 1:1 1:1433 1:102 1:4 1:11 1:12 1:206 1:14 1:179 1:12 1:240 2:1 2:680 2:680 2:1175 2:680 2:680 2:436 2:9 2:10 2:11 2:12 2:14 2:6 2:1150 2:1176 2:1177
+0:44 0:94 0:95 0:33 0:96 0:97 1:44 1:94 1:1332 1:1333 1:33 1:96 1:97 2:44 2:94 2:638 2:95 2:388 2:96 2:97
+0:262 0:263 0:264 0:265 0:14 0:39 1:28 1:4 1:262 1:269 1:264 1:265 1:1279 1:266 1:14 1:39 1:70 1:22 1:22 1:22 1:22 2:639 2:640 2:262 2:263 2:264 2:265
+0:106 0:107 0:38 0:96 1:106 1:107 1:1304 1:16 1:38 1:67 1:68 2:106 2:13 2:108 2:109 2:38 2:67 2:96 2:22
+0:660 0:661 0:662 0:663 0:664 0:665 0:148 0:666 0:14 0:39 1:587 1:708 1:10 1:664 1:709 1:13 1:903 1:665 1:148 1:1291 1:14 1:39 1:22 2:667 2:665 2:148 2:666 2:14 2:39 2:22
+0:326 0:327 0:328 0:67 0:68 1:326 1:189 1:68 1:67 1:327 1:328 1:22 2:326 2:773 2:327 2:328 2:67 2:68 2:22
+0:262 0:263 0:264 0:265 0:14 0:39 1:630 1:262 1:263 1:265 1:280 2:262 2:609 2:432 2:263 2:265 2:13 2:14 2:85
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:28 1:1105 1:1293 1:6 1:117 1:94 1:413 1:119 1:13 1:120 1:121 1:454 1:122 1:48 1:22 2:123 2:877 2:831 2:124 2:130 2:124 2:605 2:298 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:117 1:118 1:4 1:119 1:120 1:1100 1:1101 1:93 2:587 2:124 2:123 2:121 2:588 2:28 2:208 2:454 2:4 2:130 2:48
+0:660 0:661 0:662 0:663 0:664 0:665 0:148 0:666 0:14 0:39 1:660 1:450 1:709 1:663 1:664 1:665 1:148 1:666 2:711 2:664 2:1322 2:1323 2:450 2:1324 2:10 2:1112 2:683 2:665 2:148 2:666 2:13 2:28 2:206 2:14 2:39 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:117 1:118 1:4 1:119 1:120 1:121 1:122 1:48 2:155 2:298 2:119 2:121 2:118 2:299 2:10 2:22 2:300 2:301 2:10 2:65 2:65 2:302 2:121 2:118 2:303 2:10 2:65 2:65 2:304 2:302 2:118 2:130 2:299 2:28 2:10 2:65 2:65 2:305 2:306
+0:262 0:263 0:264 0:265 0:14 0:39 1:1020 1:262 1:263 1:357 1:265 1:206 1:14 1:39 1:22 2:257 2:28 2:4 2:262 2:264 2:266 2:262 2:263 2:265 2:206 2:14 2:39 2:359 2:593 2:594 2:595
+0:106 0:107 0:38 0:96 1:106 1:927 1:38 1:67 1:96 1:1354 1:137 1:137 1:137 2:1086 2:4 2:232 2:282 2:42 2:38 2:67 2:96 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:28 1:1105 1:1293 1:6 1:117 1:94 1:413 1:119 1:13 1:120 1:121 1:454 1:122 1:48 1:22 2:117 2:118 2:119 2:726 2:120 2:291 2:48
+0:315 0:30 0:14 0:316 0:317 1:833 1:834 1:159 1:316 1:395 1:396 1:4 1:444 2:257 2:315 2:1251 2:718 2:128 2:316 2:317
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:159 1:1 1:2 1:91 1:156 1:4 1:157 1:1214 2:156 2:157 2:158 2:91 2:718 2:14 2:219
+0:315 0:30 0:14 0:316 0:317 1:784 1:65 1:65 1:155 1:785 1:316 1:395 1:396 1:4 1:444 1:22 2:257 2:315 2:1251 2:718 2:128 2:316 2:317
+0:262 0:263 0:264 0:265 0:14 0:39 1:263 1:357 1:265 1:13 1:262 1:261 1:266 1:67 1:268 2:364 2:420 2:13 2:28 2:4 2:262 2:257 2:263 2:264 2:265 2:22
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:159 1:1 1:2 1:91 1:156 1:4 1:157 1:1214 2:155 2:1 2:2 2:91 2:118 2:157 2:158
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:28 1:1105 1:1293 1:6 1:117 1:94 1:413 1:119 1:13 1:120 1:121 1:454 1:122 1:48 1:22 2:121 2:118 2:303 2:123 2:32 2:133 2:134 2:944 2:4 2:130 2:48
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1 1:123 1:178 1:117 1:118 1:130 1:16 1:1043 1:120 1:121 1:118 1:122 1:48 2:119 2:877 2:385 2:394 2:670 2:117 2:13 2:454 2:120 2:298 2:48
+0:175 0:86 0:113 0:68 1:175 1:176 1:113 1:68 2:175 2:113 2:68 2:116 2:22
+0:15 0:16 0:17 0:4 0:18 0:19 0:20 0:21 0:22 1:18 1:19 1:15 1:16 1:573 1:16 1:17 1:20 1:21 2:17 2:775 2:19 2:21 2:26 2:15 2:775 2:19 2:21 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1 1:123 1:117 1:118 1:4 1:130 1:13 1:454 1:86 1:298 1:28 1:117 1:196 1:48 1:22 2:123 2:129 2:455 2:439 2:1065 2:134 2:128 2:16 2:124 2:4 2:1383 2:13 2:118 2:4 2:1384 2:48 2:22
+0:283 0:67 0:68 0:69 1:283 1:67 1:68 1:69 1:70 1:22 2:283 2:67 2:68 2:69 2:1157
+0:28 0:29 0:30 0:31 0:32 0:33 0:34 0:35 0:28 0:36 0:37 0:16 0:38 0:14 0:39 1:631 1:31 1:32 1:33 1:41 1:42 1:38 1:34 1:28 1:43 1:10 1:14 1:39 2:29 2:31 2:32 2:388 2:41 2:42 2:16 2:38 2:34 2:10 2:155 2:85 2:22
+0:44 0:45 0:46 0:47 0:48 1:1 1:45 1:44 1:182 1:46 1:13 1:311 1:4 1:144 1:47 1:48 2:181 2:44 2:46 2:13 2:182 2:13 2:183 2:13 2:47 2:48
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:14 1:1 1:2 1:91 1:670 1:4 1:488 1:22 2:156 2:157 2:158 2:91 2:718 2:14 2:219
+0:135 0:56 0:79 0:96 0:97 1:1 1:1321 1:44 1:79 1:135 1:56 1:33 1:96 1:97 2:135 2:320 2:56 2:33 2:96 2:97
+0:106 0:107 0:38 0:96 1:106 1:4 1:1161 1:38 1:96 2:1124 2:4 2:1125 2:1126 2:166 2:4 2:1127 2:13 2:166 2:4 2:232 2:38 2:67 2:96 2:240 2:22
+0:175 0:86 0:113 0:68 1:175 1:113 1:68 1:22 2:835 2:858 2:4 2:4 2:175 2:86 2:113 2:68
+0:135 0:56 0:79 0:96 0:97 1:135 1:56 1:79 1:33 1:572 1:96 1:97 2:318 2:4 2:319 2:320 2:321 2:56 2:33 2:96 2:97
+0:350 0:351 0:352 0:353 0:4 0:354 0:14 0:355 1:1310 1:887 1:353 1:4 1:354 1:14 1:355 2:350 2:497 2:1325 2:178 2:353 2:4 2:354 2:14 2:355
+0:175 0:86 0:113 0:68 1:217 1:86 1:113 1:68 1:114 2:175 2:113 2:68 2:116 2:13
+0:308 0:309 0:310 0:311 0:4 0:312 0:48 1:25 1:309 1:310 1:311 1:4 1:1290 1:48 2:308 2:309 2:313 2:67 2:311 2:4 2:48 2:22 2:75 2:314 2:48 2:22
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:28 1:117 1:118 1:119 1:13 1:118 1:120 1:298 1:48 2:123 2:875 2:87 2:134 2:118 2:1159 2:375 2:4 2:130
+0:56 0:57 0:58 0:1 0:59 0:4 0:60 0:44 1:135 1:56 1:57 1:58 1:103 1:59 1:4 1:60 2:620 2:621 2:67 2:58 2:1 2:622 2:623 2:26 2:624 2:288 2:86
+0:262 0:263 0:264 0:265 0:14 0:39 1:262 1:369 1:263 1:1018 1:265 1:14 1:39 2:28 2:4 2:262 2:257 2:396 2:357 2:264 2:265
+0:135 0:56 0:79 0:96 0:97 1:135 1:56 1:96 1:97 1:79 2:135 2:858 2:56 2:79 2:419 2:33 2:96 2:97
+0:135 0:56 0:79 0:96 0:97 1:1070 1:56 1:79 1:33 1:96 1:97 2:135 2:151 2:56 2:96 2:97
+0:262 0:263 0:264 0:265 0:14 0:39 1:928 1:263 1:358 1:265 1:14 1:39 1:22 2:262 2:717 2:44 2:4 2:718 2:263 2:264 2:265 2:67 2:268
+0:44 0:45 0:46 0:47 0:48 1:1 1:45 1:178 1:44 1:46 1:47 1:48 1:22 2:155 2:44 2:45 2:46 2:4 2:890
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:272 1:118 1:119 1:605 1:121 1:122 2:877 2:831 2:123 2:4 2:130 2:13 2:124 2:120 2:298 2:48 2:22
+0:175 0:86 0:113 0:68 1:217 1:113 1:68 1:114 1:22 2:175 2:1377 2:113 2:68
+0:262 0:263 0:264 0:265 0:14 0:39 1:262 1:369 1:32 1:263 1:264 1:265 2:262 2:426 2:252 2:263 2:264 2:265 2:268
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:587 1:117 1:123 1:271 1:4 1:156 1:1043 1:4 1:354 1:120 1:121 1:122 1:48 1:22 2:119 2:831 2:1276 2:130 2:65 2:65 2:454 2:120 2:298 2:48
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:117 1:118 1:4 1:130 1:605 1:121 1:124 1:298 2:123 2:121 2:118 2:303 2:10 2:133 2:134 2:130 2:48
+0:135 0:56 0:79 0:96 0:97 1:1070 1:56 1:79 1:33 1:96 1:97 2:135 2:56 2:79 2:96 2:97 2:13 2:58 2:6 2:623 2:48 2:22
+0:28 0:4 0:123 0:257 0:273 0:274 0:118 0:136 0:4 0:275 1:123 1:276 1:276 1:276 1:276 1:276 1:276 1:144 1:277 1:275 1:278 1:257 1:273 1:274 1:118 1:136 1:4 1:275 2:28 2:181 2:123 2:257 2:273 2:274 2:118 2:136 2:4 2:275 2:13 2:28 2:304 2:136 2:148 2:10 2:118 2:13 2:67 2:68 2:359 2:768 2:22
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:155 1:1 1:2 1:91 1:103 1:156 1:4 1:157 1:1277 1:158 2:1 2:2 2:87 2:219 2:128 2:4 2:488 2:16 2:156 2:160
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:156 1:157 1:810 1:2 1:14 1:91 2:177 2:91 2:488 2:14 2:219 2:22
+0:262 0:263 0:264 0:265 0:14 0:39 1:28 1:4 1:262 1:263 1:264 1:265 1:13 1:1279 1:266 1:268 2:262 2:426 2:264 2:266 2:263 2:962 2:963 2:14 2:39
+0:135 0:56 0:79 0:96 0:97 1:1 1:1321 1:44 1:79 1:135 1:56 1:33 1:96 1:97 2:1268 2:135 2:56 2:79 2:477 2:96
+0:248 0:249 0:67 0:68 0:250 0:248 0:249 0:144 0:9 0:48 0:61 0:251 1:248 1:249 1:67 1:68 1:69 1:13 1:144 1:9 1:48 1:22 2:75 2:1348 2:248 2:249 2:87 2:9 2:4 2:48
+0:44 0:94 0:95 0:33 0:96 0:97 1:181 1:44 1:94 1:95 1:419 1:388 1:96 1:97 2:44 2:94 2:1180 2:957 2:1181 2:1182 2:95 2:33 2:96 2:97
+0:262 0:263 0:264 0:265 0:14 0:39 1:928 1:263 1:264 1:265 1:67 1:68 1:301 1:22 1:14 1:594 2:257 2:28 2:4 2:262 2:264 2:266 2:262 2:263 2:265 2:206 2:14 2:39 2:359 2:593 2:594 2:595
+0:660 0:661 0:662 0:663 0:664 0:665 0:148 0:666 0:14 0:39 1:660 1:450 1:709 1:663 1:664 1:665 1:148 1:666 2:664 2:1172 2:660 2:663 2:148 2:666 2:65 2:65 2:1173 2:14 2:39
+0:175 0:86 0:113 0:68 1:175 1:176 1:113 1:68 1:22 2:175 2:113 2:68 2:114 2:116
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:1 1:2 1:14 1:219 1:670 1:61 1:220 1:137 2:14 2:91 2:156 2:157 2:158
+0:389 0:390 0:391 0:392 1:75 1:480 1:393 1:4 1:391 1:392 2:389 2:390 2:1375 2:391 2:392
+0:56 0:57 0:58 0:1 0:59 0:4 0:60 0:44 1:56 1:57 1:58 1:1 1:59 1:4 1:60 1:44 2:1266 2:622 2:57 2:21 2:48 2:22 2:56 2:68 2:4 2:304 2:592 2:6 2:622 2:4 2:60 2:48 2:22
+0:262 0:263 0:264 0:265 0:14 0:39 1:1020 1:263 1:358 1:265 1:14 1:39 2:257 2:964 2:609 2:28 2:4 2:262 2:895 2:263 2:264 2:265
+0:149 0:150 0:151 0:152 0:96 1:149 1:150 1:152 1:96 2:149 2:4 2:691 2:150 2:152 2:96
+0:75 0:68 0:30 0:432 0:86 0:433 0:434 0:178 0:4 0:435 1:75 1:68 1:30 1:432 1:86 1:433 1:434 1:178 1:4 1:435 2:181 2:602 2:432 2:144 2:433 2:434 2:178 2:4 2:435
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:155 1:1 1:2 1:91 1:670 1:4 1:157 1:158 2:159 2:91 2:156 2:157 2:158
+0:262 0:263 0:264 0:265 0:14 0:39 1:262 1:266 1:103 1:267 1:10 1:13 1:268 1:269 1:264 1:265 2:364 2:420 2:13 2:28 2:4 2:262 2:257 2:263 2:264 2:265 2:22
+0:175 0:86 0:113 0:68 1:543 1:175 1:113 1:68 1:22 2:175 2:86 2:113 2:68 2:755
+0:44 0:94 0:95 0:33 0:96 0:97 1:44 1:94 1:1332 1:1333 1:33 1:96 1:97 2:44 2:1015 2:98 2:95 2:419 2:388 2:96 2:97
+0:283 0:67 0:68 0:69 1:283 1:65 1:65 1:65 1:65 1:65 1:65 1:65 1:65 1:67 1:68 1:69 1:22 2:283 2:4 2:1099 2:67 2:68 2:69
+0:135 0:56 0:79 0:96 0:97 1:135 1:56 1:252 1:96 1:97 2:135 2:56 2:419 2:96 2:97 2:22 2:151 2:788 2:56 2:79 2:22
+0:135 0:56 0:79 0:96 0:97 1:135 1:56 1:252 1:96 1:97 2:28 2:883 2:135 2:884 2:4 2:13 2:56 2:79 2:33 2:96 2:97 2:22 2:22
+0:389 0:390 0:391 0:392 1:389 1:393 1:4 1:391 1:392 2:389 2:390 2:1375 2:391 2:392
+0:558 0:559 0:16 0:560 0:75 0:68 0:76 1:560 1:16 1:558 1:559 1:75 1:480 1:76 2:1269 2:16 2:558 2:562 2:75 2:68 2:76 2:48
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:157 1:158 1:14 1:219 1:1 1:2 2:75 2:468 2:298 2:159 2:1 2:2 2:708 2:1184 2:91 2:156 2:157 2:221 2:70
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:117 1:118 1:4 1:119 1:120 1:1100 1:1101 1:93 2:123 2:587 2:121 2:124 2:1234 2:1235 2:557 2:134 2:124 2:4 2:130 2:48 2:22 2:124 2:86 2:134 2:28 2:4 2:48 2:22
+0:660 0:661 0:662 0:663 0:664 0:665 0:148 0:666 0:14 0:39 1:660 1:450 1:709 1:663 1:664 1:665 1:148 1:666 2:1257 2:13 2:177 2:13 2:28 2:1 2:664 2:44 2:10 2:1258 2:13 2:454 2:1259 2:1260 2:10 2:13 2:278 2:13 2:664 2:665 2:148 2:666
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1 1:123 1:117 1:118 1:4 1:130 1:13 1:454 1:86 1:298 1:28 1:117 1:196 1:48 1:22 2:148 2:394 2:124 2:924 2:4 2:130 2:120 2:121 2:122 2:48
+0:44 0:45 0:46 0:47 0:48 1:1 1:45 1:178 1:44 1:46 1:47 1:48 1:22 2:808 2:44 2:613 2:46 2:47 2:492
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:272 1:118 1:119 1:605 1:121 1:122 2:831 2:454 2:4 2:130 2:124 2:298 2:48
+0:155 0:1 0:2 0:91 0:156 0:157 0:158 1:14 1:578 1:1 1:2 1:91 1:156 1:157 1:1430 2:159 2:91 2:156 2:157 2:158
+0:117 0:118 0:4 0:119 0:120 0:121 0:122 0:48 1:1 1:123 1:117 1:118 1:4 1:130 1:13 1:454 1:86 1:298 1:28 1:117 1:196 1:48 1:22 2:119 2:132 2:118 2:208 2:48
+0:75 0:68 0:30 0:432 0:86 0:433 0:434 0:178 0:4 0:435 1:75 1:68 1:30 1:432 1:144 1:365 1:436 1:178 1:433 1:435 2:181 2:602 2:432 2:144 2:433 2:434 2:178 2:4 2:435
+0:329 0:330 0:75 0:331 0:332 0:333 0:332 0:334 0:332 0:335 0:172 0:67 0:68 0:69 1:329 1:330 1:75 1:331 1:332 1:333 1:332 1:334 1:332 1:335 1:172 1:67 1:68 1:69 2:159 2:336 2:337 2:67 2:331 2:332 2:333 2:332 2:26 2:334 2:332 2:4

models/match/multiview-simnet/evaluate_reader.py

 # Copyright (c) 2020 PaddlePaddle Authors. All Rights Reserved.
-#
 # Licensed under the Apache License, Version 2.0 (the "License");
 # you may not use this file except in compliance with the License.
 # You may obtain a copy of the License at
@@ -40,8 +39,8 @@ class Reader(ReaderBase):
             padding = 0
             output = [(slot, []) for slot in self.all_slots]
             for elem in elements:
-                feasign, slot = elem.split(':')
-                if not self._all_slots_dict.has_key(slot):
+                slot, feasign = elem.split(':')
+                if slot not in self._all_slots_dict:
                     continue
                 self._all_slots_dict[slot][0] = True
                 index = self._all_slots_dict[slot][1]

models/match/multiview-simnet/generate_synthetic_data.py

-# Copyright (c) 2020 PaddlePaddle Authors. All Rights Reserved
-#
-# Licensed under the Apache License, Version 2.0 (the "License");
-# you may not use this file except in compliance with the License.
-# You may obtain a copy of the License at
-#
-#     http://www.apache.org/licenses/LICENSE-2.0
-#
-# Unless required by applicable law or agreed to in writing, software
-# distributed under the License is distributed on an "AS IS" BASIS,
-# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
-# See the License for the specific language governing permissions and
-# limitations under the License.
-
-import random
-
-
-class Dataset:
-    def __init__(self):
-        pass
-
-
-class SyntheticDataset(Dataset):
-    def __init__(self,
-                 sparse_feature_dim,
-                 query_slot_num,
-                 title_slot_num,
-                 dataset_size=10000):
-        # ids are randomly generated
-        self.ids_per_slot = 10
-        self.sparse_feature_dim = sparse_feature_dim
-        self.query_slot_num = query_slot_num
-        self.title_slot_num = title_slot_num
-        self.dataset_size = dataset_size
-
-    def _reader_creator(self, is_train):
-        def generate_ids(num, space):
-            return [random.randint(0, space - 1) for i in range(num)]
-
-        def reader():
-            for i in range(self.dataset_size):
-                query_slots = []
-                pos_title_slots = []
-                neg_title_slots = []
-                for i in range(self.query_slot_num):
-                    qslot = generate_ids(self.ids_per_slot,
-                                         self.sparse_feature_dim)
-                    qslot = [str(fea) + ':' + str(i) for fea in qslot]
-                    query_slots += qslot
-                for i in range(self.title_slot_num):
-                    pt_slot = generate_ids(self.ids_per_slot,
-                                           self.sparse_feature_dim)
-                    pt_slot = [
-                        str(fea) + ':' + str(i + self.query_slot_num)
-                        for fea in pt_slot
-                    ]
-                    pos_title_slots += pt_slot
-                if is_train:
-                    for i in range(self.title_slot_num):
-                        nt_slot = generate_ids(self.ids_per_slot,
-                                               self.sparse_feature_dim)
-                        nt_slot = [
-                            str(fea) + ':' +
-                            str(i + self.query_slot_num + self.title_slot_num)
-                            for fea in nt_slot
-                        ]
-                        neg_title_slots += nt_slot
-                    yield query_slots + pos_title_slots + neg_title_slots
-                else:
-                    yield query_slots + pos_title_slots
-
-        return reader
-
-    def train(self):
-        return self._reader_creator(True)
-
-    def valid(self):
-        return self._reader_creator(True)
-
-    def test(self):
-        return self._reader_creator(False)
-
-
-if __name__ == '__main__':
-    sparse_feature_dim = 1000001
-    query_slots = 1
-    title_slots = 1
-    dataset_size = 10
-    dataset = SyntheticDataset(sparse_feature_dim, query_slots, title_slots,
-                               dataset_size)
-    train_reader = dataset.train()
-    test_reader = dataset.test()
-
-    with open("data/train/train.txt", 'w') as fout:
-        for data in train_reader():
-            fout.write(' '.join(data))
-            fout.write("\n")
-
-    with open("data/test/test.txt", 'w') as fout:
-        for data in test_reader():
-            fout.write(' '.join(data))
-            fout.write("\n")

models/match/multiview-simnet/reader.py

@@ -43,8 +43,8 @@ class Reader(ReaderBase):
             padding = 0
             output = [(slot, []) for slot in self.all_slots]
             for elem in elements:
-                feasign, slot = elem.split(':')
-                if not self._all_slots_dict.has_key(slot):
+                slot, feasign = elem.split(':')
+                if slot not in self._all_slots_dict:
                     continue
                 self._all_slots_dict[slot][0] = True
                 index = self._all_slots_dict[slot][1]

models/match/multiview-simnet/readme.md

+# multiview-simnet文本匹配模型
+
+以下是本例的简要目录结构及说明： 
+
+```
+├── data #样例数据
+	├── train
+		├── train.txt #训练数据样例
+	├── test
+    	├── test.txt #测试数据样例
+	├── preprocess.py #数据处理程序
+├── __init__.py
+├── README.md #文档
+├── model.py #模型文件
+├── config.yaml #配置文件
+├── run.sh #运行脚本,在效果复现时使用
+├── transform.py #整理格式准备计算指标的程序
+├── reader.py #读者需要自定义数据集时供读者参考
+├── evaluate_reader.py #读者需要自定义数据集时供读者参考
+```
+注：在阅读该示例前，建议您先了解以下内容：
+
+[paddlerec入门教程](https://github.com/PaddlePaddle/PaddleRec/blob/master/README.md)
+
+## 内容
+
+- [模型简介](#模型简介)
+- [数据准备](#数据准备)
+- [运行环境](#运行环境)
+- [快速开始](#快速开始)
+- [效果复现](#效果复现)
+- [进阶使用](#进阶使用)
+- [FAQ](#FAQ)
+
+
+## 模型简介
+在个性化推荐场景中，推荐系统给用户提供的项目（Item）列表通常是通过个性化的匹配模型计算出来的。在现实世界中，一个用户可能有很多个视角的特征，比如用户Id，年龄，项目的点击历史等。一个项目，举例来说，新闻资讯，也会有多种视角的特征比如新闻标题，新闻类别等。多视角Simnet模型是可以融合用户以及推荐项目的多个视角的特征并进行个性化匹配学习的一体化模型。 多视角Simnet模型包括多个编码器模块，每个编码器被用在不同的特征视角上。当前，项目中提供Bag-of-Embedding编码器，Temporal-Convolutional编码器，和Gated-Recurrent-Unit编码器。我们会逐渐加入稀疏特征场景下比较实用的编码器到这个项目中。模型的训练方法，当前采用的是Pairwise ranking模式进行训练，即针对一对具有关联的User-Item组合，随机实用一个Item作为负例进行排序学习。 
+
+模型的具体细节可以阅读论文[MultiView-Simnet](https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/frp1159-songA.pdf):
+<p align="center">
+<img align="center" src="../../../doc/imgs/multiview-simnet.png">
+<p>
+
+## 数据准备
+我们公开了自建的测试集，包括百度知道、ECOM、QQSIM、UNICOM 四个数据集。这里我们选取百度知道数据集来进行训练。执行以下命令可以获取上述数据集。
+```
+wget --no-check-certificate https://baidu-nlp.bj.bcebos.com/simnet_dataset-1.0.0.tar.gz
+tar xzf simnet_dataset-1.0.0.tar.gz
+rm simnet_dataset-1.0.0.tar.gz
+```
+
+数据格式为一个标识句子的slot，后跟一个句子中词的token。两者形成{slot：token}的形式标识一个词：  
+```
+0:358 0:206 0:205 0:250 0:9 0:3 0:207 0:10 0:330 0:164 1:1144 1:217 1:206 1:9 1:3 1:207 1:10 1:398 1:2 2:217 2:206 2:9 2:3 2:207 2:10 2:398 2:2
+0:358 0:206 0:205 0:250 0:9 0:3 0:207 0:10 0:330 0:164 1:951 1:952 1:206 1:9 1:3 1:207 1:10 1:398 2:217 2:206 2:9 2:3 2:207 2:10 2:398 2:2
+```
+
+## 运行环境
+PaddlePaddle>=1.7.2  
+python 2.7  
+PaddleRec >=0.1  
+os : linux  
+
+## 快速开始
+本文提供了样例数据可以供您快速体验，在paddlerec目录下直接执行下面的命令即可启动训练： 
+
+```
+python -m paddlerec.run -m models/match/multiview-simnet/config.yaml
+```   
+
+
+## 效果复现
+为了方便使用者能够快速的跑通每一个模型，我们在每个模型下都提供了样例数据。如果需要复现readme中的效果,请按如下步骤依次操作即可。  
+1. 确认您当前所在目录为PaddleRec/models/match/multiview-simnet
+2. 在data目录下载并解压数据集，命令如下：  
+``` 
+cd data
+wget --no-check-certificate https://baidu-nlp.bj.bcebos.com/simnet_dataset-1.0.0.tar.gz
+tar xzf simnet_dataset-1.0.0.tar.gz
+rm -f simnet_dataset-1.0.0.tar.gz
+mv data/zhidao ./
+rm -rf data
+```
+3. 本文提供了快速将数据集中的汉字数据处理为可训练格式数据的脚本，您在解压数据集后，可以看见目录中存在一个名为zhidao的文件。然后能可以在python3环境下运行我们提供的preprocess.py文件。即可生成可以直接用于训练的数据目录test.txt,train.txt,label.txt和testquery.txt。将其放入train和test目录下以备训练时调用。命令如下：
+```
+python3 preprocess.py
+rm -f ./train/train.txt
+mv train.txt ./train
+rm -f ./test/test.txt
+mv test.txt ./test
+cd ..
+```
+4. 退回tagspace目录中，打开文件config.yaml,更改其中的参数  
+
+    将workspace改为您当前的绝对路径。（可用pwd命令获取绝对路径）  
+
+5.  执行脚本，开始训练.脚本会运行python -m paddlerec.run -m ./config.yaml启动训练，并将结果输出到result文件中。然后启动格式整理程序transform，最后计算正逆序比：
+```
+sh run.sh
+```
+
+运行结果大致如下：
+```
+................run.................
+!!! The CPU_NUM is not specified, you should set CPU_NUM in the environment variable list.
+CPU_NUM indicates that how many CPUPlace are used in the current task.
+And if this parameter are set as N (equal to the number of physical CPU core) the program may be faster.
+
+export CPU_NUM=32 # for example, set CPU_NUM as number of physical CPU core which is 32.
+
+!!! The default number of CPU_NUM=1.
+I0821 14:24:57.255358  7888 parallel_executor.cc:440] The Program will be executed on CPU using ParallelExecutor, 1 cards are used, so 1 programs are executed in parallel.
+I0821 14:24:57.259166  7888 build_strategy.cc:365] SeqOnlyAllReduceOps:0, num_trainers:1
+I0821 14:24:57.262634  7888 parallel_executor.cc:307] Inplace strategy is enabled, when build_strategy.enable_inplace = True
+I0821 14:24:57.264791  7888 parallel_executor.cc:375] Garbage collection strategy is enabled, when FLAGS_eager_delete_tensor_gb = 0
+103
+pnr: 1.17674418605
+query_num: 11
+pair_num: 468 468
+equal_num: 0
+正序率： 0.540598290598
+253 215
+```
+6. 提醒：因为采取较小的数据集进行训练和测试，得到指标的浮动程度会比较大。如果得到的指标不合预期，可以多次执行步骤5，即可获得合理的指标。
+## 进阶使用
+  
+## FAQ

models/match/multiview-simnet/data_process.sh → models/match/multiview-simnet/run.sh

-#! /bin/bash
-
 # Copyright (c) 2020 PaddlePaddle Authors. All Rights Reserved.
 #
 # Licensed under the Apache License, Version 2.0 (the "License");
@@ -14,11 +12,14 @@
 # See the License for the specific language governing permissions and
 # limitations under the License.
 
-
-set -e
-echo "begin to prepare data"
-
-mkdir -p data/train
-mkdir -p data/test
-
-python generate_synthetic_data.py 
+#!/bin/bash
+echo "................run................."
+python -m paddlerec.run -m ./config.yaml >result1.txt
+grep -i "query_pt_sim" ./result1.txt >./result2.txt
+sed '$d' result2.txt >result.txt
+rm -f result1.txt
+rm -f result2.txt
+python transform.py
+sort -t $'\t' -k1,1 -k 2nr,2 pair.txt >result.txt
+rm -f pair.txt
+python ../../../tools/cal_pos_neg.py result.txt

models/match/multiview-simnet/transform.py

+# Copyright (c) 2020 PaddlePaddle Authors. All Rights Reserved.
+#
+# Licensed under the Apache License, Version 2.0 (the "License");
+# you may not use this file except in compliance with the License.
+# You may obtain a copy of the License at
+#
+#     http://www.apache.org/licenses/LICENSE-2.0
+#
+# Unless required by applicable law or agreed to in writing, software
+# distributed under the License is distributed on an "AS IS" BASIS,
+# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+# See the License for the specific language governing permissions and
+# limitations under the License.
+
+import random
+import numpy as np
+
+label = []
+filename = './data/label.txt'
+f = open(filename, "r")
+f.readline()
+num = 0
+for line in f.readlines():
+    num = num + 1
+    line = line.strip()
+    label.append(line)
+f.close()
+print(num)
+
+filename = './result.txt'
+sim = []
+for line in open(filename):
+    line = line.strip().split(",")
+    line[1] = line[1].split(":")
+    line = line[1][1].strip(" ")
+    line = line.strip("[")
+    line = line.strip("]")
+    sim.append(float(line))
+
+filename = './data/testquery.txt'
+f = open(filename, "r")
+f.readline()
+query = []
+for line in f.readlines():
+    line = line.strip()
+    query.append(line)
+f.close()
+
+filename = 'pair.txt'
+f = open(filename, "w")
+for i in range(len(sim)):
+    f.write(str(query[i]) + "\t" + str(sim[i]) + "\t" + str(label[i]) + "\n")
+f.close()

tools/cal_pos_neg.py

@@ -13,12 +13,6 @@
 # limitations under the License.
 #!/usr/bin/python   
 #-*- coding:utf-8 -*-   
-############################  
-#File Name: cal_pos_neg.py
-#Author: youqiheng 
-#Mail: youqiheng@baidu.com
-#Created Time: 2018-04-15 21:59:45
-############################ 
 """
 docstring
 """