PearsonSimilarity.java

//package arida.ufc.br.moap.function.sim;
//
//import arida.ufc.br.moap.function.beans.DefaultDataset;
//import arida.ufc.br.moap.functions.spi.SimilarityFunction;
//import java.util.HashMap;
//import java.util.Map;
//import java.util.Set;
//
///**
// * 
// * @author igobrilhante
// */
//public class PearsonSimilarity extends SimilarityFunction {
//
////    private double[][] similarities;
//    private double[][] matrix;
//    private double[] averages;
//    private DefaultDataset dataset;
////    private Map<Object, Integer> indices;
//    private Map<Object, Integer> itemIndices;
//
//    /**
//     * 
//     * @param dataset
//     */
//    public PearsonSimilarity(DefaultDataset dataset) {
//        super();
//        this.dataset = dataset;
//    }
//
//    private void initialize() {
//        int userCount = 0;
//        int itemCount = 0;
//        
//        this.itemIndices = new HashMap<Object, Integer>();
//        
//        for (Object u : dataset.getUsers()) {
//            indices.put(u, userCount);
//            Set<Object> items = this.dataset.getItems(u);
//            for (Object item : items) {
//                if (!itemIndices.containsKey(item)) {
//                    itemIndices.put(item, itemCount);
//                    itemCount++;
//                }
//            }
//            userCount++;
//        }
//
//
//        int rows = userCount;
//        int cols = itemCount;
//
//        matrix = new double[rows][cols];
//
//        for (int i = 0; i < rows; i++) {
//            for (int j = 0; j < cols; j++) {
//                this.matrix[i][j] = 0.0;
//            }
//        }
//
//        for (Object u : dataset.getUsers()) {
//            int userIndex = indices.get(u);
//            Set<Object> items = this.dataset.getItems(u);
//            for (Object item : items) {
//                int itemIndex = itemIndices.get(item);
//                double rating = this.dataset.getRating(u, item);
//                this.matrix[userIndex][itemIndex] = rating;
//            }
//        }
//    }
//
//    /**
//     * 
//     */
//    @Override
//    public void execute() {
//        // TODO Auto-generated method stub
//
//        initialize();
//
//        int rows = matrix.length;
//        int cols = matrix[0].length;
//        similarities = new double[rows][rows];
//        computeAverage();
//        for (int i = 0; i < rows; i++) {
//            for (int j = i + 1; j < rows; j++) {
//                double sim = 0.0;
//                double dot_product = 0.0;
//                double a_value = 0.0;
//                double b_value = 0.0;
////				double i_avg = this.averages[i];
////				double j_avg = this.averages[j];
//                double[] avg = computeAverage(i, j);
//                double i_avg = avg[0];
//                double j_avg = avg[1];
//
//                for (int k = 0; k < cols; k++) {
//                    if (matrix[i][k] > 0 && matrix[j][k] > 0) {
//                        dot_product = dot_product + ((matrix[i][k] - i_avg) * (matrix[j][k] - j_avg));
//                        a_value = a_value + (Math.pow((matrix[i][k] - i_avg), 2));
//                        b_value = b_value + (Math.pow((matrix[j][k] - j_avg), 2));
//                    }
//                }
//
//                if (a_value != 0 && b_value != 0) {
//                    a_value = Math.sqrt(a_value);
//                    b_value = Math.sqrt(b_value);
//                    double denominator = a_value * b_value;
//                    sim = dot_product / denominator;
//                }
//
//                this.similarities[i][j] = sim;
//                this.similarities[j][i] = sim;
//            }
//        }
//    }
//
////    @Override
////    public double[][] getSimilarities() {
////        // TODO Auto-generated method stub
////        return this.similarities;
////    }
////
////    @Override
////    public double getSimilarity(Object o1, Object o2) {
////        // TODO Auto-generated method stub
////        int index1 = indices.get(o1);
////        int index2 = indices.get(o2);
////        return this.similarities[index1][index2];
////    }
//
//    private double[] computeAverage(int i, int j) {
////        System.out.printf("AVG %d and %d\n", i,j);
//        double[] avg = new double[2];
//        int cols = this.matrix[0].length;
//        int count = 0;
//        for (int k = 0; k < 2; k++) {
//            avg[k] = 0.0;
//        }
//        for (int k = 0; k < cols; k++) {
//            if (this.matrix[i][k] > 0 && this.matrix[j][k] > 0) {
////                System.out.printf("Item %d, %d: %f and %d: %f\n",k, i,this.matrix[i][k],j,this.matrix[j][k]);
//                avg[0] = avg[0] + this.matrix[i][k];
//                avg[1] = avg[1] + this.matrix[j][k];
//                count++;
//            }
//        }
//        if (count > 0) {
//            avg[0] = (double) avg[0] / count;
//            avg[1] = (double) avg[1] / count;
//        }
//
//        return avg;
//    }
//
//    private void computeAverage() {
//        int rows = this.matrix.length;
//        int cols = this.matrix[0].length;
//        this.averages = new double[rows];
//        for (int i = 0; i < rows; i++) {
//            this.averages[i] = 0;
//        }
//
//        for (int i = 0; i < rows; i++) {
//            int count = 0;
//            for (int j = 0; j < cols; j++) {
//                if (matrix[i][j] > 0) {
//                    this.averages[i] = this.averages[i] + matrix[i][j];
//                    count++;
//                }
//
//            }
//            if (count > 0) {
//                this.averages[i] = (double) this.averages[i] / count;
//            }
////			System.out.println(i +" avg "+ this.averages[i]);
//        }
//    }
//    
//    /**
//     * 
//     * @return
//     */
//    @Override
//    public String toString(){
//        return PearsonSimilarity.class.getName();
//    }
//}