Grafos bipartidos e sistemas de recomendação

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Este exercício faz parte do curso

Análise de Redes Intermediária em Python

AvançadoNível de habilidade

4.8+

Iniciar curso de graça

Neste capítulo, você vai aprender sobre grafos bipartidos e como eles são usados em sistemas de recomendação. Você vai explorar o conjunto de dados do GitHub do curso anterior, desta vez analisando o grafo bipartido subjacente que foi usado para criar o grafo que você utilizou antes. Por fim, você terá a chance de construir os componentes básicos de um sistema de recomendação usando os dados do GitHub!

Exercise 1: Definições e revisão básica Exercise 2: Análise exploratória de dados Exercise 3: Plotando com nxviz Exercise 4: Grafos bipartidos Exercise 5: A palavra-chave bipartite Exercise 6: Distribuição da centralidade de grau dos nós de usuários Exercise 7: Distribuição de centralidade de grau dos nós de projeto Exercise 8: Grafos bipartidos e sistemas de recomendação

Exercício atual

Exercise 9: Nós compartilhados na outra partição Exercise 10: Métrica de similaridade entre usuários Exercise 11: Encontrar usuários semelhantes Exercise 12: Recomendar repositórios

Neste capítulo, você vai usar um famoso conjunto de dados da Revolução Americana para aprofundar a exploração de grafos bipartidos. Aqui, você vai aprender a criar a projeção unipartida de um grafo bipartido, um método muito útil para simplificar uma rede complexa e facilitar análises posteriores. Além disso, você vai aprender a usar matrizes para manipular e analisar grafos — com muitas rotinas de computação otimizadas para matrizes, você conseguirá analisar muitos grafos grandes de forma rápida e eficiente!

Exercise 1: Conceito de projeção Exercise 2: Lendo grafos Exercise 3: Calculando a projeção Exercise 4: Plotar centralidade de grau na projeção Exercise 5: Grafos bipartidos como matrizes Exercise 6: Propriedades de matrizes de adjacência bipartidas.Exercise 7: Calcular matriz de adjacência Exercise 8: Encontrar participação compartilhada: Transposição Exercise 9: Representando dados de rede com pandas Exercise 10: Criar nodelist Exercise 11: Criar edgelist

Neste capítulo, você vai se aprofundar nas formas fundamentais de analisar grafos que mudam ao longo do tempo. Você vai explorar um conjunto de dados que descreve a frequência de mensagens entre estudantes e aprender a visualizar estatísticas importantes de grafos em evolução.

Exercise 1: Introdução às diferenças entre grafos Exercise 2: Lista de grafos Exercise 3: Diferenças no grafo ao longo do tempo Exercise 4: Plotar o número de mudanças de arestas ao longo do tempo Exercise 5: Estatísticas de grafos em evolução Exercise 6: Número de arestas ao longo do tempo Exercise 7: Centralidade de grau ao longo do tempo Exercise 8: Aproximando e afastando: resumo geral do grafo Exercise 9: Encontre nós com as maiores centralidades de grau Exercise 10: Visualizando a conectividade

Neste capítulo, você vai aplicar tudo o que aprendeu nos três capítulos anteriores a um conjunto de dados de postagens em fórum. Você vai analisar as mudanças temporais nos padrões de conectividade dos usuários e criar visualizações de estatísticas de grafos em evolução ao longo do tempo.

Exercise 1: Introdução ao conjunto de dados Exercise 2: Crie um grafo a partir do DataFrame do pandas Exercise 3: Visualize a distribuição da centralidade de grau na projeção dos estudantes Exercise 4: Visualize a distribuição da centralidade de grau da projeção de fóruns Exercise 5: Filtragem baseada em tempo Exercise 6: Filtro de tempo nas arestas Exercise 7: Visualize o grafo filtrado usando nxviz Exercise 8: Análise de séries temporais Exercise 9: Plotar o número de posts ao longo do tempo Exercise 10: Extraia a centralidade de grau média dia a dia na partição de estudantes Exercise 11: Encontre os fóruns mais populares dia a dia: I Exercise 12: Encontre os fóruns mais populares dia a dia: II Exercise 13: Parabéns!