推荐系统 Implementation(1)处理数据集

入坑了推荐系统,第一步实现一下离线算法。折腾了一天,总结一下如何利用python处理网络数据集。

  1. 导入库:
import random
import heapq # implementation of the heap queue algorithm
import datetime
import math
import time
import networkx as nx # a library for studying graphs and networks
import argparse  # makes it easy to write user-friendly command-line interfaces.
import matplotlib.pyplot as plt # create figures
import pickle # serialize and de-serialize a Python object structure
import numpy as np # the fundamental package for scientific computing 
import operator # exports a set of efficient functions corresponding to the intrinsic operators of Python
  1. 设置文件路径
file_address_5 = '../datasets/CitHep/cithepEdges.txt'
save_dir = '../datasets/CitHep/'

../ 表示现在的文件夹的上一级文件夹,./表示当前文件夹

  1. 读取数据集:
NodeDegree = {}

with open(file_address_5) as f:
    for line in f:
        if line[0] != '#':
            data = line.split('\t')
            u = int(data[0])
            v = int(data[1])
            if u not in NodeDegree:
                NodeDegree[u] = 1
            else:
                NodeDegree[u]  +=1
            if v not in NodeDegree:
                NodeDegree[v] = 1
            else:
                NodeDegree[v]  +=1

数据集保存的是图中的边的关系,NodeDegree是一个字典,存放了所有涉及到的节点,以及他们的出边入边个数。

  1. 保存节点集
FinalNodeList =[]
FinalNodeDegree  = {}
max_degree = 6000
min_degree = 0

for key in NodeDegree:
    if NodeDegree[key] <= max_degree and NodeDegree[key] >= min_degree:
        FinalNodeList.append(key)
        FinalNodeDegree[key] = NodeDegree[key]

并序列化到本地

pickle.dump( FinalNodeList, open(save_dir+'NodesDegree'+str(max_degree)+'_'+str(min_degree)+'.list', "wb" ))
  1. 删减数据集
NodeNum = len(NodeList)
print(NodeNum)
Small_NodeList = [NodeList[i] for i in sorted(random.sample(range(len(NodeList)), NodeNum//6))]
NodeList = Small_NodeList
print(len(NodeList))
pickle.dump(NodeList, open(save_dir+'Small_NodeList.list', "wb" ))

sorted 语法:
sorted(iterable, cmp=None, key=None, reverse=False)

random.sample(sequence, k) 含义:
Parameters: sequence: Can be a list, tuple, string, or set. k: An Integer value, it specify the length of a sample.
Returns : k length new list of elements chosen from the sequence.
随机选取了1/6的结点,存入NodeList

file_address = save_dir+'cithepEdges.txt'
# start = time.time()
G = nx.DiGraph()
# print('Start Reading')
with open(file_address) as f:
    for line in f:
        if line[0] != '#':
            u, v = list(map(int, line.split('\t')))
            if u in NodeList and v in NodeList:
                try:
                    G[u][v]['weight'] += 1
                except:
                    G.add_edge(u,v, weight=1)
                try:
                    G[v][u]['weight'] += 1
                except:
                    G.add_edge(v, u, weight=1)
# print('Start Dumping')
# print(len(G.nodes()), len(G.edges()))
pickle.dump( G, open(save_dir+'Small_Final_SubG.G', "wb" ))
# print('Built Flixster graph G', time.time() - start, 's')

基本的networkx知识:
根据定义,a Graph 是一组节点(顶点)以及已标识的节点对(称为边、链接等)。在NetworkX中,节点可以是任何可哈希对象,例如文本字符串、图像、XML对象、另一个图形、自定义节点对象等。
此处 DiGraph 是一个有向图

  1. 为每条边随机生成概率
save_dir = '../datasets/CitHep/'

edgeDic = {}
degree = []
G = pickle.load(open(save_dir+'Small_Final_SubG.G', 'rb'))

for u in G.nodes():
    for v in G[u]:
        prob = random.uniform(0,0.1)
        edgeDic[(u,v)] = prob
        
pickle.dump(edgeDic, open(save_dir+'Probability.dic', "wb" ))

Probability 以字典格式存放,key部分是一个有向边的tuplevalue是这条边的概率,举例如下:

注:

  1. 数据集 https://snap.stanford.edu/data/cit-HepTh.html
  2. 程序参考:KDD2019 oim论文实现
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,928评论 6 509
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,748评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,282评论 0 357
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,065评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,101评论 6 395
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,855评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,521评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,414评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,931评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,053评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,191评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,873评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,529评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,074评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,188评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,491评论 3 375
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,173评论 2 357

推荐阅读更多精彩内容