Bipartita grafer och rekommendationssystem

Nätverksanalys i Python – fortsättningskurs

Eric Ma

Data Carpentry instructor and author of nxviz package

Rekommendationssystem

Tidigare: Rekommenderade användare att koppla samman sig
Graf: "unipartit" (eller enbart användare)
Nu: "bipartit" (repo-användare)
Rekommenderar repositories för användare att arbeta med

Rekommendationssystem

ch1-3.007.png

Rekommendationssystem

ch1-3.008.png

Rekommendationssystem

ch1-3.009.png

Kod: Nodmängder

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')]

Kod: Nodmängder

user1_nbrs = G.neighbors('user1')

user1_nbrs

['repo2']

user3_nbrs = G.neighbors('user3')
user3_nbrs

['repo2', 'repo1']

Kod: Nodmängder

set(user1_nbrs).intersection(user3_nbrs)

{'repo2'}

set(user3_nbrs).difference(user1_nbrs)

{'repo1'}

Nu kör vi en övning!

Nätverksanalys i Python – fortsättningskurs