Grafi bipartiti e sistemi di raccomandazione

Analisi di reti intermedia in Python

Eric Ma

Data Carpentry instructor and author of nxviz package

Sistemi di raccomandazione

Prima: consigliavamo connessioni tra utenti
Grafo: versione "unipartita" (solo utenti)
Ora: versione "bipartita" (repo–utenti)
Consigliare repository su cui lavorare agli utenti

Sistemi di raccomandazione

ch1-3.007.png

Sistemi di raccomandazione

ch1-3.008.png

Sistemi di raccomandazione

ch1-3.009.png

Codice: insiemi di nodi

list(G.nodes(data=True))

[('repo3', {'bipartite': 'repositories'}),
 ('repo1', {'bipartite': 'repositories'}),
 ('user1', {'bipartite': 'users'}),
 ('user2', {'bipartite': 'users'}),
 ('repo2', {'bipartite': 'repositories'}),
 ('user3', {'bipartite': 'users'})]

list(G.edges())

[('repo1', 'user3'),
 ('user1', 'repo2'),
 ('user2', 'repo2'),
 ('repo2', ‘user3')]

Codice: insiemi di nodi

user1_nbrs = G.neighbors('user1')

user1_nbrs

['repo2']

user3_nbrs = G.neighbors('user3')
user3_nbrs

['repo2', 'repo1']

Codice: insiemi di nodi

set(user1_nbrs).intersection(user3_nbrs)

{'repo2'}

set(user3_nbrs).difference(user1_nbrs)

{'repo1'}

Alleniamoci!

Analisi di reti intermedia in Python