/// <summary>
/// user-item 형태로 모델링된 bipartite graph를 사용하여 모든 test user에 대해 RWR 수행
/// </summary>
/// <param name="model_graph">user-item에 대한 bipartite graph</param>
/// <param name="sw">추천 결과(사용자 id, 아이템 id, 점수)가 출력될 파일</param>
public List <Score> PerformRWR(WeightedUndirectedGraph model_graph, int target)
{
// test user가 기존에 갖고 있는 이력 리스트를 저장
HashSet <int> i_items = new HashSet <int>();
if (model_graph.graph.ContainsKey(target))
{
HashSet <Weight> i_weight = model_graph.graph[target];
foreach (Weight items in i_weight)
{
i_items.Add(items.id);
}
}
// RWR 수행
RWR ranker = new RWR(model_graph, damping_factor, target);
List <Weight> score = ranker.Calculate();
// RWR 점수를 기준으로 타겟 사용자가 선호할 만한 TOP N개의 아이템 출력
List <Score> recommend_items = new List <Score>();
//Dictionary<int, double> recommend_items = new Dictionary<int, double>();
foreach (Weight s in score)
{
// ID가 user ID 이거나, 추천 아이템이 타겟 사용자의 기존 이력에 포함되어 있으면 TOP N에 포함시키지 않음
if (s.id < user_size || i_items.Contains(s.id))
{
continue;
}
else if (recommend_items.Count < num_recommend)
{
if (candidate_item == "Longtail_items")
{
if (Program.tophead_items.Contains(s.id))
{
continue;
}
}
Score user_score = new Score(s.id, s.w);
recommend_items.Add(user_score);
}
else
{
break;
}
}
return(recommend_items);
}
public Dictionary <int, double> PerformRWR(WeightedUndirectedGraph model_graph, int target)
{
HashSet <int> i_items = new HashSet <int>();
if (model_graph.graph.ContainsKey(target))
{
SortedSet <Weight> i_weight = model_graph.graph[target];
foreach (Weight items in i_weight)
{
i_items.Add(items.id);
}
}
RWR ranker = new RWR(model_graph, damping_factor, target);
List <Weight> score = ranker.Calculate();
double sum = 0d;
Dictionary <int, double> recommend_items = new Dictionary <int, double>();
foreach (Weight s in score)
{
if (s.id >= user_size)
{
sum += s.w;
}
}
foreach (Weight s in score)
{
if (s.id < user_size || i_items.Contains(s.id))
{
continue;
}
if (candidate_item == "Longtail_items")
{
if (Program.tophead_items.Contains(s.id))
{
continue;
}
}
recommend_items.Add(s.id, s.w / sum);
}
return(recommend_items);
}