กราฟสองส่วนและระบบแนะนำ

การวิเคราะห์เครือข่ายระดับกลางใน Python

Eric Ma

Data Carpentry instructor and author of nxviz package

ระบบแนะนำ

ก่อนหน้านี้: แนะนำผู้ใช้ให้เชื่อมต่อกัน
กราฟแบบ "unipartite" (เฉพาะผู้ใช้)
ตอนนี้: แบบ "bipartite" (repo-ผู้ใช้)
แนะนำ repository ให้ผู้ใช้ทำงาน

ระบบแนะนำ

ch1-3.007.png

ระบบแนะนำ

ch1-3.008.png

ระบบแนะนำ

ch1-3.009.png

โค้ด: ชุดโหนด

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')]

โค้ด: ชุดโหนด

user1_nbrs = G.neighbors('user1')

user1_nbrs

['repo2']

user3_nbrs = G.neighbors('user3')
user3_nbrs

['repo2', 'repo1']

โค้ด: ชุดโหนด

set(user1_nbrs).intersection(user3_nbrs)

{'repo2'}

set(user3_nbrs).difference(user1_nbrs)

{'repo1'}

มาฝึกกันเถอะ!

การวิเคราะห์เครือข่ายระดับกลางใน Python