DidaWiki

Questo progetto sostituisce l'esame scritto del corso. Svolto in C/C++ (o altro linguaggio da concordare con il docente), il progetto richiede di applicare le strutture di dati e gli algoritmi sui grafi all'analisi delle reti sociali (Social Network Analysis) utilizzando un particolare caso di studio: i dati disponibili sui film presenti nell'Internet Movie DataBase (IMDB).

È possibile in tal modo definire implicitamente un grafo non diretto G=(V,E) dove:

• i vertici in V sono gli attori e le attrici;
• gli archi non orientati in E collegano attori e attrici tra di loro: uv appartiene a E se e soltanto se u e v hanno recitato insieme in un film.

Il progetto si compone di varie fasi:

1. Scaricare e studiare il formato dei dati utilizzati da IMDB nel sito ufficiale. In particolare, ai fini del progetto sono necessari soltanto i seguenti file testuali, recuperabili al link:
   1. name.basics.tsv.gz: lista di attori, attrici, ecc.
   2. title.basics.tsv.gz: lista di film
   3. title.principals.tsv.gz: chi ha lavorato in quali film
2. Costruire una rete sociale rappresentata tramite il suddetto grafo G=(V,E) utilizzando tali file. Utilizzare le liste di adiacenza per memorizzare il grafo (ed evitare problemi di eccessiva occupazione di memoria).
3. Studiare la nozione di centralità dei nodi nei grafi, da applicare alle reti sociali, seguendo il materiale di questo tutorial online e il contenuto di questo paper.
4. Progettare e implementare degli algoritmi per la centralità, selezionandoli da quanto studiato sopra. Evitare gli algoritmi puramente numerici, essendo quest'ultimi studiati in insegnamenti dedicati, preferendo gli algoritmi che usano la struttura combinatoria del grafo descritto sopra.

Utilizza i dati dei trasporti locali della città di Parigi e chiede di realizzare un “city route planner”, che permette di stabilire il percorso tra due fermate fornite come interrogazione. I passi concettuali sono i seguenti:

1. utilizzare i dati per la città di Parigi [dettagli di seguito];
2. scegliere un giorno della settimana;
3. prendere i mezzi di trasporto disponibili quel giorno per muoversi in città;
4. interrogare i dati con input: due qualunque fermate A e B, un orario P di partenza da A, un tempo limite T massimo di percorrenza;
5. stimare l'orario di arrivo in B partendo da A al tempo P, purché sia rispettato il tempo limite P+T
6. elencare i mezzi per arrivare in orario (come stimato nel punto 5)

I dati per Parigi possono essere scaricati accedendo alle pagine di Microsoft Teams per il corso, nella sezione “files”, c'è il folder denominato “Progetto_ASD_2019_2020”.

La descrizione dei campi utilizzati in tali dati si trova nel seguente articolo, a partire dalla pagina 10: Kujala, R., Weckström, C., Darst, R. et al. A collection of public transport network data sets for 25 cities. Sci Data 5, 180089 (2018).

I dati forniti sono presi da un data set reale e non sono tutti strettamente necessari allo svolgimento del progetto. Occorre quindi procedere per gradi (che poi sono anche i criteri di valutazione del progetto):

• definire chiaramente l’obiettivo
• capire quali sono i dati rilevanti per raggiungere l’obiettivo
• costruire un opportuno grafo basandosi su tali dati
• proporre e implementare una soluzione per il problema algoritmico su grafi che naturalmente emerge

Si noti che il progetto va svolto modellando il problema come un problema su grafi (orientati o meno) in cui i nodi e gli archi sono etichettati.

Nota. Nella soluzione proposta è sempre possibile camminare tra due fermate, come alternativa agli altri mezzi, alla velocità di 5km all'ora.

Nota sul formato dei file. I file che terminano in *.csv (textual comma separated values), sono utilizzati come formato semplice di scambio: ogni riga testuale rappresenta un “record” i cui campi sono separati da un punto e virgola nel nostro caso. Occorre quindi leggere una linea alla volta di ciascun file e separare i campi. Per esempio, possiamo reindirizzare l'input da tastiera in modo che il comando di lettura cin legga da file invece che da tastiera, usando il comando:

freopen("file.csv", "r", stdin);

A questo punto possiamo leggere ogni riga di file.csv come stringa C++ ed estrarne i campi separati dal delimitatore ';'. Iterando più volte sulla riga, possiamo ottenere tutti i campi.

using namespace std;
string s;
cin >> s;
string delimitatore = “;”;
string campo = s.substr(0, s.find(delimitatore));