बाइपार्टाइट ग्राफ और रिकमेंडेशन सिस्टम्स

इंटरमीडिएट Network Analysis in Python

Eric Ma

Data Carpentry instructor and author of nxviz package

रिकमेंडेशन सिस्टम्स

पहले: उपयोगकर्ताओं को आपस में कनेक्ट होने की सिफारिश की
ग्राफ: "यूनिपार्टाइट" (या केवल-यूज़र) संस्करण
अब: "बाइपार्टाइट" या (repo-users) संस्करण
उपयोगकर्ताओं के लिए काम करने हेतु रिपॉज़िटरी रिकमेंड करना

रिकमेंडेशन सिस्टम्स

ch1-3.007.png

रिकमेंडेशन सिस्टम्स

ch1-3.008.png

रिकमेंडेशन सिस्टम्स

ch1-3.009.png

कोड: नोड सेट्स

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')]

कोड: नोड सेट्स

user1_nbrs = G.neighbors('user1')

user1_nbrs

['repo2']

user3_nbrs = G.neighbors('user3')
user3_nbrs

['repo2', 'repo1']

कोड: नोड सेट्स

set(user1_nbrs).intersection(user3_nbrs)

{'repo2'}

set(user3_nbrs).difference(user1_nbrs)

{'repo1'}

अभ्यास करते हैं!

इंटरमीडिएट Network Analysis in Python