-
Christopher Rost authoredChristopher Rost authored
Film- und Serien Temporal Graph (Netflix, Disney+, Prime, Hulu)
Motivation
Graphen eignen sich um Beziehungen zwischen Entitäten zu modellieren. Entitäten, im Graph Kontext als Knoten (engl. Vertices) bezeichnet, können beispielsweise Filme, Serien, Schauspieler oder Regisseure sein, wobei Beziehungen, im Graph-Kontext als Kanten (engl. Edges) bezeichnet, die Interaktion dieser Entitäten darstellen, z.B. 'spielt in', 'produziert von'. Betrachtet man die Entwicklung eines solchen Graphen über die Zeit, spricht man von einem Temporalen Graphen. Dieser beinhaltet die komplette Historie des Graphen, also konkret wann Entitäten und deren Beziehungen entstanden sind und ggf. wie lange diese gültig sind. Die zusätzliche Zeitdimension ermöglicht deutlich vielfältigere Analysen, als die rein statische Betrachtung des Netzwerks zu einem Zeitpunkt.
Auf Kaggle existieren verschiedene Datensätze zu Film und Serien auf bekannten Streaming-Portalen. Neben Erscheinungsdatum stehen auch weitere Informationen wie Director, Cast oder Genre zur Verfügung. Ein weiterer Datensatz beinhaltet Nutzer-Bewertungen für Netflix Serien und Filme. Ein letzter Datensatz der IMDB beinhaltet aggregierte Bewertungen. Diese stark vernetzten Daten können als temporaler Knowledge-Graph modelliert werden. Dazu ist es nötig, ein geeignetes Graph-Schema zu entwerfen und die tabellarischen Daten in dieses Schema zu importieren. Ein geeignetes Tool zum Import dieser Daten in eine temporale Graph-Struktur stellt das verteilte Graph-Analyse-Tool Gradoop dar. Gradoop bietet bereits ETL-Werkzeuge zum Import an. Weiterhin bietet Gradoop eine vielzahl von Analyse-Operatoren, die zu Analyse-Pipelines kombiniert werden können.
Zielstellung
Ziel des Praktikums ist es, die Daten der 5 gegebenen Datensätze zu einem temporalen Knowledge-Graphen zusammenzuführen. Dazu muss zunächst ein Graph-Schema anhand der in den Daten enthaltenen Attribute entwickelt werden. Dann werden unter Verwendung von Gradoop nacheinander die Datensätze in die entworfene Graph-Struktur geladen, bis am Ende der Pipeline ein fertiger Graph zur Verfügung steht. Dieser soll dann zunächst persistiert werden.
Auf den fertigen Graphen können nun Graph-Analysen ausgeführt werden, z.B.,
- Statistiken über Filme, Schauspieler, Bewertung und deren Verbindung via Graph-Gurppierung. Z.B. was ist die durchschnittliche IMDB Bewertung von Filmen, wo Keanu Reeves mitgespielt hat? Wie hat sich die Bewertung über die Zeit verändert?
- Film-Empfehlungen generieren anhand von Menge gegebener Filmen und Serien
- Welcher Monat eignet sich am besten für den Release eines neuen Films einer gegebenen Kategorie?
- Top-10 ähnliche Filme zu gegebenen Film
- Am besten bewertete Filme für gegebenen Schauspieler
- PageRank Score für Filme und Serien
Weiterhin sollten Sie sich 2 weitere interessante Analysen entwickeln. Das Resultat einer jeden Analyse kann z.B. mit Gephi oder GraphViz visualisiert werden.
Arbeitspakete
1. Einarbeitung und Lösungsskizze
Zunächst soll in einem Konzept skizziert werden, wie und mit welchen Werkzeugen die Datensätze in ein Graphen überführt werden. Dazu ist es notwendig, sich einen Überblick über die Datensätze und deren Schema zu verschaffen. Stellen Sie zudem dar, wie gleiche Entitäten identifiziert werden sollen? Wie sieht das resultierende Graph-Schema aus? Unter der Annahme des fertigen temporalen Graphen: Wie können die beschriebenen Analysen umgesetzt werden? Was wären zwei denkbare eigene Analysen?
2. Implementierung und Evaluation
Basierend auf der Lösungsskizze ist der experimentelle Aufbau mit Gradoop umzusetzen. Es sollen zwei Implementierungen entstehen:
- Daten-Importer: Lesen der Datensätze + Erstellen des Graphen
- Graph-Analysen: Die Analysen sollen jeweils als Workflows definiert werden und das Ergebnis entsprechend visualisiert werden.
3. Vortrag
Ausarbeitung einer 10-minütigen Präsentation, in welcher die Aufgabenstellung, die Lösungsskizze und die Ergebnisse dargestellt werden.