TEHNIČKO VELEUČILIŠTE U ZAGREBU

POLITEHNIČKI SPECIJALISTIČKI DIPLOMSKI

STRUČNI STUDIJ

Specijalizacija informatika

Davor Lozić

Ruby aplikacija za strojno učenje temeljena na

OrientDB bazi podataka

Zagreb, srpanj 2016.

TEHNIČKO VELEUČILIŠTE U ZAGREBU

POLITEHNIČKI SPECIJALISTIČKI DIPLOMSKI

STRUČNI STUDIJ

Specijalizacija informatika

Davor Lozić

JMBAG: 0246039199

Ruby aplikacija za strojno učenje temeljena na

OrientDB bazi podataka

Povjerenstvo:

dr. sc. Miroslav Slamić, profesor visoke škole, predsjednik _______________

Tin Kramberger, struč. spec. ing. techn. inf., predavač, član _______________

Aleksander Radovan, dipl. ing., viši predavač, mentor _______________

Zagreb, srpanj 2016.

Zahvala:

Veliku zahvalnost dugujem svom mentoru, v. pred. Aleksanderu Radovanu, dipl. ing. koji je bio munjevito

brz s odgovorima na sva moja pitanja i koji bi unutar 24 sata pregledao svaku inačicu ovog rada koju bih

mu poslao u bilo koje doba dana.

Također, zahvaljujem timu tvrtke Orient Technologies Pvt. Ltd. koji su u nekoliko navrata ubrzali

algoritme u ovom radu i bili dostupni za sva moja pitanja te mi pružili besplatne tjedne edukacije.

Velika hvala i prof. dr. sc. Mario-Osvinu Pavčeviću za predavanja i odgovore na sva moja pitanja na

kolegiju Teorija grafova na Fakultetu elektrotehnike i računarstva Sveučilišta u Zagrebu.

I na kraju, najveća zahvala mojoj majci koja me svaki dan podsjećala kako moram manje raditi, a više

pisati diplomski te me nasmijavala kako, dok sam bio mali i nisam znao govoriti me sve razumjela, a sada

kada sam odrastao i dok čita moj diplomski, više me ništa ne razumije.

Sažetak

Ovaj se radi bavi implementacijom algoritama iz područja strojnog učenje na OrientDB graf bazi

podataka. Rad pokazuje kako graf, kao struktura proizašla iz matematike, jednostavnije i zahvalnije

prikazuje odnose među entitetima te omogućuje lakše uočavanje njihovih svojstava. Rad objektivno

prikazuje dobre i loše strane samog pristupa, odabira dodatnih tehnologija, algoritama, same OrientDB

baze podataka te daje teoretsku podlogu za daljnja istraživanja na području analize socijalnih mreža.

Praktični dio rada bavi se implementacijom MovieLens baze podataka te prijedlogom novih filmova u

odnosu na ocijenjene filmove u prošlosti. U sustavu je implementiran Pearsonov korelacijski koeficijent,

ali se navode i alternative poput euklidske udaljenost ili Jaccard indeksa.

Sadržaj

Popis formula................................................................................................................................. 7

Popis pojmova i kratica ................................................................................................................ 8

Popis programskih isječaka ......................................................................................................... 9

Popis tablica................................................................................................................................. 10

Popis slika .................................................................................................................................... 11

1. Uvod ........................................................................................................................................ 1

2. Kolektivna inteligencija......................................................................................................... 3

2.1. MovieLens......................................................................................................................... 3

3. Pronalazak sličnih korisnika ................................................................................................ 4

3.1. Euklidska udaljenost......................................................................................................... 5

3.2. Pearsonov korelacijski koeficijent ..................................................................................... 6

3.3. Jaccard indeks .................................................................................................................. 8

3.4. Zaključak mjera sličnosti .................................................................................................. 9

4. Teorija grafova..................................................................................................................... 10

4.1. Definicija grafa ............................................................................................................... 10

4.2. Šetnje, ciklusi i putevi ..................................................................................................... 11

4.3. Bipartitni grafovi ............................................................................................................ 12

5. Analiza socijalnih mreža teorijom grafova ....................................................................... 14

5.1. Međujstvo ....................................................................................................................... 14

5.2. Eigenvektor..................................................................................................................... 15

5.3. Zaključak SNA analize.................................................................................................... 16

6. OrientDB .............................................................................................................................. 17

6.1. NoSQL ............................................................................................................................ 17

6.2. Problemi s relacijskim modelom ..................................................................................... 18

6.3. OrientDB graf baza i rješavanje problema spajanja nekoliko tablica ............................. 18

6.4. Pokretanje OrientDB baze .............................................................................................. 20

6.5. Korištenje OrientStudia .................................................................................................. 21

6.6. SQL................................................................................................................................. 23

6.7. Klase ............................................................................................................................... 24

7. MovieLens baza unutar OrientDB sustava ....................................................................... 26

7.1. Spajanje Jave i OrientDB baze podataka ........................................................................ 26

7.2. Sustav za preporuku novih filmova ................................................................................. 27

8. Ruby i Rails .......................................................................................................................... 33

9. Zaključak .............................................................................................................................. 35

10. Literatura......................................................................................................................... 36

Popis formula

Euklidska udaljenost (1)

Normalizirana euklidska udaljenost (2)

Pearsonov korelacijski koeficijent (3)

Jaccard indeks (4)

Šetnja u teoriji grafova (5)

Lema o rukovanju (6)

Međujstvo (7)

Izračun eigenvektora (8)

Popis pojmova i kratica

ACID - atomnost, konzistentnost, izoliranost i trajnost (engl. Atomicity, Consistency, Isolation,

Durability)

CSV - zarezom odvojene vrijednosti (engl. comma separated value)

HTTP (engl. HyperText Transfer Protocol)

JSON (engl. JavaScript Object Notation)

SNA - analiza socijalnih mreža (engl. social network analysis)

SQL - strukturirani upitni jezik (engl. structured query language)

Popis programskih isječaka

Isječak 1 - testni podaci u programskom jeziku Python

Isječak 2 - implementacija euklidske udaljenosti u programskom jeziku Python

Isječak 3 - implementacija Pearsonovog korelacijskog koeficijenta u programskom jeziku Python

[1]

Isječak 4 - implementacija Jaccard indeksa u programskom jeziku Python

Isječak 5 - pokretanje OrientDB baze u normalnom načinu rada

Isječak 6 - jednostavno straničenje

Isječak 7 - osnovne SELECT naredbe

Isječak 8 - SQL INSERT naredba

Isječak 9 - SQL DELETE naredba

Isječak 10 - izrada klase Osoba

Isječak 11 - dodavanje nove osobe

Isječak 12 - unos korisnika bez OIB-a, upit koji se neće uspješno izvršiti

Isječak 13 - spajanje Jave i OrientDB baze

Isječak 14 - unos MovieLens korisnika u OrientDB sustav

Isječak 15 - izrada klase Korisnik

Isječak 16 - unos korisnika iz CSV-a u OrientDB

Isječak 17 - dohvaćanje liste filmova koje je korisnik ocijenio

Isječak 18 - pomoćne funkcije za obradu liste filmova

Isječak 19 - implementacija Pearsonovog korelacijskog koeficijenta

Isječak 20 - funkcija koja poziva izračun koeficijenta i odabire nove filmove

Isječak 21 - instalacija orientdb4r biblioteke

Isječak 22 - Rails kontroler

Popis tablica

Tablica 1 - primjer NoSQL baza podataka

Tablica 2 - Usporedba relacijskog modela, dokument modela i dokument modela u OrientDB bazi

podataka

Tablica 3 - usporedba relacijskog modela, graf modela i graf modela u OrientDB bazi

Popis slika

Slika 1 - dva filmska kritičara s visokim stupnjem korelacije (slika preuzeta iz knjige T. Segaran

„Programming Collective Intelligence“, 12. stranica) [1]

Slika 2 - dva filmska kritičara s niskim stupnjem korelacije (slika preuzeta iz knjige T. Segaran

„Programming Collective Intelligence“, 12. stranica) [1]

Slika 3 - Jaccard indeks - presjek zajedničkih elemenata (slika izrađena unutar WolframAlpha

sustava)

Slika 4 - Königsbergovi mostovi predstavljeni grafom

Slika 5 - Usmjereni graf s težinama

Slika 6 - vrh B sa stupnjem vrha 4

Slika 7 - primjer ciklusa

Slika 8 - bipartitni graf

Slika 9 - potpuni bipartitni graf

Slika 10 - vrh A s najvećim međujstvom

Slika 11 - vrh A ima najveći eigenvektor

Slika 12 - graf model se oslanja na dokument model

Slika 13 - prikaz uspješno inicijaliziranog OrientDB sustava u normalnom načinu rada

Slika 14 - OrientStudio prijava

Slika 15 - različiti moduli za upravljanje OrientDB bazom podataka

Slika 16 - primjer jednostavnog SQL upita

Slika 17 - ispis pogreške prilikom dodavanja korisnika bez OIB-a

Slika 18 - MovieLens popis datoteka

Slika 19 - arhitektura sustavaSlika 1 - dva filmska kritičara s visokim stupnjem korelacije (slika

preuzeta iz knjige T. Segaran „Programming Collective Intelligence“, 12. stranica) [1]

1

1. Uvod

Teorija grafova je znanost proizašla iz matematike, a pronalazi sve više primjene u opisu relacija u

fizičkim, biološkim, sociološkim i informacijskim procesima. Sustavi temeljeni na teoriji grafova jedni su

od obećavajućih alternativa ili dopuna relacijskim bazama podataka. Ovaj se rad temelji na primjenama

teorije grafova u informacijskim sustavima, ponajviše u strojnom učenju. Strojno učenje u sustavima

velikih količina podataka (engl. big data) donosi značajne pomake u mnogim aspektima poslovanja.

Statistike pokazuju da analitičari specijalizirani za obradu velikih količina podataka uvelike utječu na

poslovanje tvrtki. U radu je korištena „MovieLens“ baza podataka koja u trenutku pisanja rada ima 21

milijun ocjena i 510 tisuća oznaka primijenjenih na 30 tisuća filmova koje je dodijelilo 230 tisuća

korisnika. Podaci dolaze u formatiranom obliku odvojeni zarezom (engl. comma separated values), a prvi

se dio praktičnog rada bavi migracijom ovakvog seta podataka u OrientDB graf bazu podataka. U radu je

nakon prikazanih teorijskih temelja obrađena OrientDB graf baza podataka u kojoj će se nalaziti

MovieLens setovi i nad kojom se izvršavaju algoritmi za strojno učenje. Cilj praktičnog rada je da sustav

na osnovi postojećeg seta podataka predloži korisniku nove filmove koje bi mogao gledati.

Teoretski dio rada bavi se pojmovima kolektivne inteligencije, osnova strojnog učenja, algoritmima za

pronalazak sličnosti i pogledom na teoriju grafova s matematičkom podlogom. Rad je podijeljen u

poglavlja gdje poglavlja objašnjavaju:

Poglavlje 2. Kolektivna inteligencija bavi se pojmom kolektivne inteligencije, Netflix natjecanjem te

objašnjava MovieLens bazu podataka.

Poglavlje 3. Pronalazak sličnih korisnika uvodi pojam mjere sličnosti i mjere udaljenosti, euklidsku

udaljenost, Pearsonov korelacijski koeficijent, Jaccardov indeks te daje završni zaključak i usporedbu

kada koristiti koju mjeru.

Poglavlje 4. Teorija grafova bavi se osnovnim konceptima teorije grafova, objašnjava 7 mostova

Königsberga, prikazuje primjere ciklusa, šetnji, puteva, objašnjava pojam stupnja vrha, bipartitnog grafa

te leme o rukovanju.

Poglavlje 5. Analiza socijalnih mreža teorijom grafova otkriva kako koristiti teoriju grafova prilikom

analize socijalnih mreža, što su međujstvo i eigenvektor te kako radi Googleov poznati PageRank

algoritam koji je ključan kod pretraživanja stranica.

Poglavlje 6. OrientDB objašnjava osnovne koncepte OrientDB sustava, usporedbu NoSQL i relacijskih

baza podataka, navodi probleme relacijskih sustava te prikazuje osnove OrientStudia.

Poglavlje 7. MovieLens baza unutar OrientDB sustava otkriva kako se programski jezik Java može

povezati s OrientDB-om, objašnjava dijelove projekta OrientLens koji omogućuje prijenos MovieLens

2

baze u OrientDB. Poglavlje također objašnjava i sam algoritam za preporuku novih filmova, arhitekturu

sustava te prikazuje konkretnu implementaciju.

Poglavlje 9. Zaključak izvodi osnovne zaključke i subjektivno mišljenje autora o cijelom procesu

istraživanja i korištenja OrientDB okruženja.

3

2. Kolektivna inteligencija

Kolektivna inteligencija ili skupna inteligencija (engl. Collective Intelligence) definira se kao sposobnost

ili mogućnost grupe da riješi probleme bolje nego njeni pojedini članovi [2]. Direktor MIT-ovog odjela za

kolektivnu inteligenciju, Thomas W. Malone postavlja pitanje: „Kako treba povezati ljude i računala, a da

grupno imaju inteligentnije postupke od pojedinih ljudi ili računala?“ [3] Sam pojam osmislio je francuski

filozof Pierre Levy 1994. godine kako bi predvidio utjecaj internetskih tehnologija na kulturu i

konzumaciju znanja. Levy je najavljivao da će se zbog brzog širenja velikog broja informacija, mreža

mobilizirati i koordinirati inteligenciju, znanje, vještine i maštu čovječanstva. Kao dio njegove utopijske

vizije kolaboracijskog znanja, predvidio je prelazak s „mislim, dakle jesam“ na „mislimo, dakle jesmo.“

[4] Filimon Stremtan u svom radu govori o kolektivnoj inteligenciji kao obliku inteligencije koji proizlazi

iz kolaboracije i natjecanja mnogih pojedinaca te spominje kako se ona nalazi u raznim oblicima stvaranja

svijesti donošenja odluka u bakterijama, životinjama, ljudima i računalima [5]. Kao dio kolektivne

inteligencije pojavljuju se sustavi za predlaganje i donošenje odluka koji se aktivno razvijaju još od ranih

90ih godina [6] te tvrtke kao što su Amazon, Google i Netflix ovise o njemu [7].

Netflix kao pružatelj „video na zahtjev“ usluga je 2006. godine objavio veliki set podataka o ocjenama

filmova iz svog sustava te organizirao natjecanje u kojemu će tim koji uspije poboljšati njihov sustav za

predlaganje filmova za 10%, dobiti nagradu od milijun dolara [8]. Njihov podatkovni set sadrži 100

milijuna vremenski označenih ocjena u rasponu od kraja 1999. godine do kraja 2005. godine. U

podatkovnom setu nalazi se oko 480 189 anonimnih korisnika i 17 770 filmova [9]. Zanimljivo je to što

prvi i drugi tim imaju potpuno jednake rezultate, a vrijeme njihove predaje rješenja razlikuje se u samo

dvadesetak minuta [10].

2.1. MovieLens

MovieLens je stranica na kojoj je moguće davati ocjene filmovima te tražiti sustav preporuku za sljedeći

film. Sustav je koncipiran upravo na kolektivnoj inteligenciji te je čitava baza javno dostupna [11].

Trenutno najnovija (01/2016) i najveća MovieLens baza sadrži oko 22 milijuna ocjena, 33 tisuće filmova

i 240 tisuća korisnika [12].

4

3. Pronalazak sličnih korisnika

Potrebno je pronaći u kojoj mjeri su dva korisnika sustava slična. Ta mjera se zove mjera sličnosti (engl.

similarity score) i postoje različite implementacije. Potrebno je naglasiti kako se mjera sličnosti dobije

često kao recipročna vrijednost mjere udaljenosti (engl. distance score). Primjeri mjera udaljenosti su

Euklidska udaljenost, Pearsonov korelacijski koeficijent, Manhattan udaljenost itd. Za objašnjenja mjera

udaljenosti, bit će korišten sljedeći skup podataka:

podaci = {

'Petra': {

'zvjezdani ratovi': 3,

'gospodar prstenova': 3,

'titanik': 5,

'matrix': 3,

'planet majmuna': 1,

'odbjegla nevjesta': 5,

'prljavi ples': 5

},

'Davor': {

'titanic': 2,

'zvjezdani ratovi': 5,

'batman': 5,

'matrix': 5,

'prljavi ples': 2,

'odbjegla nevjesta': 2,

'gospodar prstenova': 5,

'planet majmuna': 4

},

'Ivana': {

'planet majmuna': 5,

'zvjezdani ratovi': 5,

'batman': 4,

'matrix': 5,

'prljavi ples': 2,

'titanic': 2,

'odbjegla nevjesta': 1,

'gospodar prstenova': 5,

}

}

Isječak 1 - testni podaci u programskom jeziku Python

Iz skupa je vidljivo da je par (Davor, Ivana) puno sličniji od bilo koje druge kombinacije, što će algoritmi

u nastavku i dokazati.

5

3.1. Euklidska udaljenost

Jedan od najjednostavnijih algoritama za računanje mjere udaljenosti je euklidska udaljenost koja računa

udaljenost između dvije točke u koordinatnom sustavu. Ako su x i y točke u koordinatnom sustavu,

euklidska udaljenost definira se kao [13]:

𝑑(𝑥, 𝑦) = √∑(𝑥𝑖 − 𝑦𝑖)2

𝑛

𝑖=1

(1)

Obzirom da ovakva formula može dati poprilično veliki raspon rezultata, u radu „Euklidska

udaljenost“ Paul Barrett pokazuje mogućnost normalizacije formule [14]:

𝑑(𝑥, 𝑦) = √∑(𝑥𝑖 − 𝑦𝑖)2

𝑛

𝑛

𝑖=1

(2)

Implementacija euklidske udaljenosti prikazana je u programskom jeziku Python:

def euklid_slicnost(podaci, osoba1, osoba2):

# uzmi u obzir jedino zajedničke filmove

zajednicki_filmovi = {}

for film in podaci[osoba1]:

if film in podaci[osoba2]:

zajednicki_filmovi[film] = 1

# ako nema zajedničkih filmova, zaključi da nisu slični

if len(zajednicki_filmovi) == 0: return 0

zbroj_kvadrata = sum([pow(podaci[osoba1][film] –

podaci[osoba2][film], 2)

for film in podaci[osoba1] if film in podaci[osoba2]])

return 1/(1+zbroj_kvadrata)

print(euklid_slicnost(podaci, 'Davor', 'Ivana')) # 0.5

print(euklid_slicnost(podaci, 'Davor', 'Petra')) # 0.025

print(euklid_slicnost(podaci, 'Ivana', 'Petra')) # 0.294

Isječak 2 - implementacija euklidske udaljenosti u programskom jeziku Python

Funkcija euklid_slicnost prima listu filmova i imena dvije osobe kao parametre te uzima u obzir samo

zajedničke filmove. U slučaju da ne postoje zajednički filmovi, algoritam zaključuje da dvije osobe nisu

6

slične (vraća pozivatelju 0 kao rezultat). Funkcija potom računa euklidsku udaljenost i vraća recipročnu

vrijednost tako da je rezultat uvijek u intervalu [0, 1]. Ako su dvije osobe dale identične ocjene za

zajedničke filmove, rezultat je 1.

3.2. Pearsonov korelacijski koeficijent

Pearsonov korelacijski koeficijent (engl. Pearsons correlation score) je sofisticiraniji način za

označavanje sličnosti. Korelacijski koeficijent govori koliko dobro dva skupa podataka prianjaju ravnoj

liniji. U knjizi „Programiranje kolektivne inteligencije“ (engl. Programming collective intelligence) [1],

Toby Segaran prikazuje četiri korisnika grafovima:

Slika 2 - dva filmska kritičara s niskim stupnjem korelacije

(slika preuzeta iz knjige T. Segaran „Programming Collective Intelligence“, 12. stranica) [1]

Očito je da je par „Jack Matthews“ i „Lisa Rose“ sličniji od para „Mick LaSalle“ i „Gene Seymour“. U

radu „Alternativa Pearsonovom i Spearmanovom korelacijskom koeficijentu“ (engl. Alternatives To

Pearson’s and Spearman’s Correlation Coefficients), Florentin Smarandache definira Pearsonov

korelacijski koeficijent r kao [15]:

𝑟 = ∑ 𝑋𝑌 −

∑ 𝑋 ∑ 𝑌𝑁

√(∑ 𝑋2 −(∑ 𝑋)2

𝑁)(∑𝑌2 −

(∑ 𝑌)2

𝑁)

(3)

Slika 1 - dva filmska kritičara s visokim stupnjem korelacije (slika preuzeta iz knjige T. Segaran „Programming Collective

Intelligence“, 12. stranica) [1]

7

Prednost Pearsonovog korelacijskog koeficijenta nad euklidskom udaljenošću je da pronalazi tzv.

inflaciju ocjena (engl. grade inflation) [1] tj. uzima u obzir i informaciju da osoba ima preferenciju davati

niske ili visoke ocjene. Koeficijent se nalazi u rasponu između [-1, 1]. Brojnik u formuli je kovarijanca

(engl. covariance) - vrijednost koja pokazuje linearnu povezanost tj. ako se promijeni varijabla X, koliko

će se promijeniti varijabla Y. Problem s kovarijancom je nestandardiziranost tj. vrijednost može biti u

rasponu [-∞,+∞]. Nazivnik u formuli standardizira kovarijancu te daje rješenje u rasponu između [-1, 1].

Toby Segaran je u svojoj knjizi Programiranje kolektivne inteligencije [1] napisao implementaciju

sličnosti pomoću Pearsonovog korelacijskog koeficijenta u programskom jeziku Python:

def pearson_slicnost(podaci, osoba1, osoba2):

# uzmi u obzir jedino zajedničke filmove

zajednicki_filmovi = {}

for film in podaci[osoba1]:

if film in podaci[osoba2]:

zajednicki_filmovi[film] = 1

# broj zajedničkih elemenata

n = len(zajednicki_filmovi)

# ako nema zajedničkih filmova, zaključi da nisu slični

if n==0: return 0

# zbroji sve ocjene

suma1 = sum([podaci[osoba1][film] for film in zajednicki_filmovi])

suma2 = sum([podaci[osoba2][film] for film in zajednicki_filmovi])

# zbroj kvadrata

suma1kvadrata = sum([pow(podaci[osoba1][film],2)

for film in zajednicki_filmovi])

suma2kvadrata = sum([pow(podaci[osoba2][film],2)

for film in zajednicki_filmovi])

# suma produkata

sumaP = sum([podaci[osoba1][film] * podaci[osoba2][film]

for film in zajednicki_filmovi])

# Pearsonov korelacijski koeficijent

num = sumaP - ((suma1 * suma2) / n)

den = sqrt((suma1kvadrata - pow(suma1, 2) / n) *

(suma2kvadrata - pow(suma2, 2) / n))

# ako je nazivnik 0, zaključi da nisu slični

if den == 0: return 0

koeficijent = num / den

return koeficijent

8

print(pearson_slicnost(podaci, 'Davor', 'Ivana')) # 0.9258

print(pearson_slicnost(podaci, 'Davor', 'Petra')) # -0.6919

print(pearson_slicnost(podaci, 'Ivana', 'Petra')) # -0.8447

Isječak 3 - implementacija Pearsonovog korelacijskog koeficijenta u programskom jeziku Python [1]

3.3. Jaccard indeks

Jaccard indeks (ili Jaccard indeks sličnosti) najčešće se koristi u teoriji skupova i kada su podaci

kategorički. Riječ dobar definira se kada je kritičar dao ocjenu veću od 3 (dakle, 4 i 5), a riječ loš kada je

film manji od 4 (dakle, 1, 2, 3) te se podijele svi filmovi u te dvije kategorije, po korisniku. Autori rada

„Korištenje Jaccard indeksa za pronalazak sličnosti ključnih riječi“ (engl. Using of Jaccard Coefficient for

Keywords Similarity) [16] definiraju Jaccard indeks sličnosti kao rezultat dijeljenja broja zajedničkih

elemenata s brojem svih elemenata:

J(A, B) =|𝐴⋂ 𝐵|

|𝐴⋃ 𝐵|

(4)

Slika 3 - Jaccard indeks - presjek zajedničkih elemenata (slika izrađena unutar WolframAlpha sustava)

Jaccard indeks implementiran u programskom jeziku Python:

def jaccard_slicnost(podaci, osoba1, osoba2):

# pronalazak filmova koji su ocijenjeni ocjenom 4 ili 5

dobri1 = set()

for film in podaci[osoba1]:

filmovi = podaci[osoba1]

if filmovi.get(film) > 3:

dobri1.add(film)

# pronalazak filmova koji su ocijenjeni ocjenom 4 ili 5

dobri2 = set()

for film in podaci[osoba2]:

filmovi = podaci[osoba2]

9

if filmovi.get(film) > 3:

dobri2.add(film)

# zajednički filmovi

zajednicki = len(set.intersection(*[dobri1, dobri2]))

# unija svih "dobrih" filmova

unija = len(set.union(*[dobri1, dobri2]))

# izračun koeficijenta

return zajednicki / unija

print(jaccard_slicnost(podaci, 'Davor', 'Ivana')) # 1.0

print(jaccard_slicnost(podaci, 'Davor', 'Petra')) # 0.0

print(jaccard_slicnost(podaci, 'Ivana', 'Petra')) # 0.0

Isječak 4 - implementacija Jaccard indeksa u programskom jeziku Python

3.4.Zaključak mjera sličnosti

Prema rezultatima i implementacijama algoritama može se zaključiti da je euklidska udaljenost

najjednostavniji algoritam za implementaciju. Problem s euklidskom udaljenošću je što ne uzima u obzir

ima li neka osoba preferenciju davati niske ili visoke ocjene. Iz rezultata je također vidljivo i da Jaccard

koeficijent sličnosti nije „osjetljiv“ te da bi se trebao koristiti samo s kategoričkim podacima. Jaccard

koeficijent sličnosti mogao bi se iskoristiti kada bi se filmovima dodijelile oznake (horor, komedija, i sl.)

te grupirati (engl. clustering) korisnike po tipu filma koje preferiraju. Ta informacija mogla bi dati točniju

informaciju kod prijedloga sljedećeg filma korisniku. Ako korisnik gleda isključivo horore i komedije, a

najsličnija osoba preferira komedije i akcijske filmove, trivijalna je odluka da sljedeća preporuka bude

komedija.

U ovom radu, ako nije navedeno drugačije, korišten je Pearsonov korelacijski koeficijent.

10

4. Teorija grafova

Pisana povijest teorije grafova počinje objavom „7 mostova Königsberga“ švicarskog matematičara

Leonarda Eulera 1736. godine [17] [18]. Istočni pruski grad Königsberg (današnji Kaliningrad) zauzimao

je obje strane rijeke Pregel i otok Kneiphof. Grad je imao 7 mostova, a postavljen je problem može li se

obići cijeli grad, a da se svaki most prijeđe jednom i samo jednom [19]. Euler je uspio dokazati da je

problem nemoguće riješiti i dokaze je iznio u svom radu „Rješenje jednog problema u svezi s

geometrijom položaja“ (lat. Solutio Problematis ad Geometriam Situs Pertinentis) [20], prijevod preuzet

iz skripte „Uvod u teoriju grafova“ (Anamari Nakić, Mario-Osvin Pavčević) [21].

4.1. Definicija grafa

Slika 4 prikazuje graf Königsbergovih mostova. Vrhovi prikazuju tlo (područja, otoke), a bridovi

prikazuju mostove. Graf G je uređeni par 𝐺 = (𝑉, 𝐸) u kojemu je V (engl. vertex) skup vrhova i E (engl.

edge) skup bridova [22]. Skupovi V i E su disjunktni tj. nemaju zajedničkih elemenata.

Slika 4 - Königsbergovi mostovi predstavljeni grafom

Slika 5 - Usmjereni graf s težinama

Ako je graf usmjeren i ima težine, najčešće se to naznačuje na bridovima kao na Slici 5. Na istoj se slici

odmah može uočiti problem najkraćeg puta. Jedan od primjera je kako najlakše doći iz točke B u točku D.

Ako je graf 𝐺 = (𝑉, 𝐸) i 𝑣 ∈ 𝑉 i 𝑒 = {𝑣}, tada brid izlazi i ulazi u isti vrh (engl. self-loop) [23]. Ako graf

ima samo jedan vrh, naziva se trivijalnim [24]. Ako drugačije nije navedeno, primjeri u ovom radu

odnose se na ne-trivijalne, jednostavne grafove. Bitan je i stupanj vrha koji se definira kao broj

incidentnih rubova i gdje se petlje broje dva puta. Stupanj vrha B na Slici 6 je 4.

11

Slika 6 - vrh B sa stupnjem vrha 4

Slika 7 - primjer ciklusa

4.2. Šetnje, ciklusi i putevi

Šetnja (engl. walk) po grafu definira se kao lista vrhova i rubova 𝑊 = 𝑣0𝑒1𝑣1𝑒2, … , 𝑣𝑘−1𝑒𝑘𝑣𝑘 koji nisu

nužno jedinstveni [25]. Bitno je primijetiti da je jedna šetnja nužno i podgraf (engl. subgraph), tako da se

šetnja može prikazati i kao skup rubova i vrhova kao što ih predstavlja Paul Van Dooren u radu „Teorija

grafova i primjene“ (engl. Graph Theory and Applications) [26]:

𝑉 = { 𝑣𝑜, 𝑣1 , … , 𝑣𝑘 } 𝐸 = { (𝑣𝑜, 𝑣1), … , (𝑣𝑘−1, 𝑣𝑘) } (5)

gdje rub j spaja vrhove j-1 i j.

Rep (engl. trail) je šetnja u kojoj su svi rubovi različiti (jedinstveni), a put (engl. path) je šetnja u kojoj svi

vrhovi različiti (jedinstveni) [27], a time i rubovi. Ciklus je put od jednog vrha, prolazak kroz druge

vrhove i povratak u početni vrh tj. svi vrhovi u ciklusu su različiti osim prvog i zadnjeg [28]. Slika 7

prikazuje primjer ciklusa.

12

4.3. Bipartitni grafovi

Prema [29], bipartitni graf je neusmjereni graf 𝐺 = (𝑉, 𝐸) kojemu se vrhovi V mogu

particionirati/podijeliti u dva podskupa L i R tako da je svaki rub spojen s jednim vrhom iz skupa L i s

jednim vrhom iz skupa R. Slika 8 prikazuje bipartitni graf.

Slika 8 - bipartitni graf

Slika 9 - potpuni bipartitni graf

Prema [30], potpuni bipartitni graf je onaj graf koji ne sadrži ciklus neparne duljine, a tvrdnja se može

dokazati jednostavnim „bojanjem grafa“ (engl. graph coloring). Victor Adamchik u svom radu Teorija

Grafova [31] postavlja dva zanimljiva problema koji se mogu riješiti bipartitnim grafovima:

1. Vlasnik tvrtke ima M djelatnika i N poslova. Svaki djelatnik je kvalificiran za neke poslove.

Kako posložiti poslovanje?

2. X muškaraca i Y žena želi se vjenčati te svatko od njih odgovori tko je sve potencijalni kandidat.

Kako složiti rješenje, a da se svatko vjenča s barem jednom osobom suprotnog spola?

Broj rubova u potpunom bipartitnom grafu je 𝑚 ∗ 𝑛 te ako je graf regularan onda je 𝑚 = 𝑛. Poznata je i

lema o rukovanju (engl. handshaking lemma) koja kaže da je u svakom grafu zbroj stupnjeva vrhova

jednak dvostrukom broju rubova. Andrea Aglić-Aljinović u svom radu „ekstremalna kombinatorika“

definira lemu o rukovanju: „U društvu od konačno mnogo ljudi, uz pretpostavku da se nitko ne rukuje s

istom osobom više od jednom i da se nitko ne rukuje sam sa sobom, broj ljudi koji se rukovao neparan

broj puta je paran.“ [32] Lema o rukovanju je posljedica upravo formule (6):

∑ deg (𝑣)

𝑣∈𝑉

= 2|𝐸| (6)

13

U svom radu „Kolaboracijsko filtriranje pomoću težinskih bipartitnih graf projekcija“ (engl.

Collaborative Filtering using Weighted BiPartite Graph Projection) [33], Sumedh Sawant upravo je

pomoću bipartitnih grafova napravio sustav za predlaganje za Yelp podatkovno natjecanje (engl. Yepl

dataset challenge).

14

5. Analiza socijalnih mreža teorijom grafova

Analiza socijalnih mreža (engl. social network analysis), dalje u tekstu SNA, daje moćne mogućnosti za

proučavanje veza između ljudi prikazane kao binarne ili težinske matrice susjedstva [34]. Ovakva analiza

bila bi potrebna kada bi u sustavu za predlaganje filmova bilo omogućeno komentiranje filmova i

međusobna interakcija među korisnicima te ovaj dio rada predstavlja teoretsku predispoziciju za daljnje

razvijanje sustava. Ocjena filma može dati vrijednost koliko se korisniku svidio film, ali ne i zašto se

korisniku film sviđa ili ne. Analizom komentara i interakcija s drugim korisnicima, moguće je doći do

subjektivnih elemenata korisnika o filmu koji se ne vide iz same ocjene.

U svom radu „Analiza socijalnih mreža pomoću sna“, Carter T. Butts govori da su: „tehnike bazirane na

eigenrješenjima (eigenvektor i Bonacich mjera centralnosti, multidimenzionalno skaliranje),

kombinatorijska optimizacija (permutacijska pretraga u ekvivalentnoj analizi, strukturna

udaljenost/izračun kovarijance), računanje najmanjeg puta (međujstvo (engl. betweenness), mrežni

promjer) i Monte Carlo integracija (QAP i CUG testovi) centralne prakse SNA analize te veliki dio

trenutnih istraživanja ovog područja ne bi mogao biti izveden bez pristupa jeftinim računalnim alatima.“

[35]

5.1. Međujstvo

Međujstvo (engl. betweenness) je globalna mjera centralnosti, zasnovana na enumercijama računanja

najmanjeg puta [36]. Međujstvo pokazuje koliko je puta najkraći put prolazio kroz neki vrh. Ako je neki

vrh „most“ u grafu, onda taj vrh ima relativno veliko međujstvo. Prema [37], međujstvo se matematički

može prikazati kao:

𝐶𝐵(𝑣) = ∑𝜎𝑠𝑡(𝑣)

𝜎𝑠𝑡𝑠≠𝑡≠𝑣

(7)

Slika 10 prikazuje vrh A s najvećim međujstvom. Ključno je vidjeti da kada ne bi bilo vrha A koji služi

kao most u grafu, veze među grupama (podgrafovima) bi se izgubile.

15

Slika 10 - vrh A s najvećim međujstvom

5.2. Eigenvektor

Eigenvektor (engl. eigenvector) mjera je centralnosti koja prikazuje ideju da nije važno koliko ljudi osoba

poznaje nego koje ljude poznaje. Direktor velike tvrtke može poznavati 300 ljudi u svojoj tvrtki, ali ono u

čemu je njegova snaga u mreži je koliko poznaje drugih direktora. Jedan Facebook profil može imati

5000 „lažnih profila“ kao prijatelje, dok drugi profil može imati samo jednog prijatelja na Facebooku,

Marka Zuckerberga. Jednostavno je zaključiti da je drugi profil „bitniji“ u mreži. Slika 11 prikazuje vrh A

s najvećim eigenvektorom. Prema [38], eigenvektor se može definirati kao:

𝐶𝑖𝑒 =

1

𝜆∑ 𝑦𝑖,𝑗𝐶𝑗

𝑒

𝑗:𝑗≠𝑖

(8)

[39] piše o PageRank algoritmu, Googleova varijanta eigenvektor centralnosti. Prema tom radu, Google

broji koliko se kvalitetnih stranica veže na ciljanu stranicu te joj time daje adekvatnu važnost prilikom

pretraživanja.

16

Slika 11 - vrh A ima najveći eigenvektor

5.3. Zaključak SNA analize

SNA kao interdisciplinarno područje može pronaći najutjecajnije elemente mreže. Sustav za predlaganje

filmova može imati socijalnu komponentu gdje ljudi, osim ocjenjivanja, mogu i komentirati filmove te ih

predlagati. Ako sustav želi doprijeti do velikog broja ljudi, ključno je pronaći najbitnije elemente mreže i

tražiti preporuku.

U knjizi „Analiza socijalnih mreža u telekomunikacijama“ (engl. Social Network Analysis in

Telecommunications) [40] autor navodi i da se SNA analiza može iskoristiti ne samo za individualnu

analizu, nego analizu cjelokupnog sustava i odnosa među elementima.

Na mrežu se može gledati kao jednu cjelinu ili kao tzv. egocentričnu mrežu u kojoj se analiziraju odnosi u

odnosu na jedan element mreže. Središte SNA analitike je teorija grafova koja daje razinu apstrakcije i

koja može matematički poduprijeti marketinške ili poslovne odluke.

17

6. OrientDB

Prema [41], OrientDB je više-modelni (engl. multi-model) sustav za upravljanje bazom podataka s graf i

dokumentnim modulom/pogonom (engl. engine). OrientDB može biti pokrenut u distribuiranom načinu

rada, podržava SQL, ACID transakcije, indeksiranje teksta (engl. full-text indexing), reaktivne upite (engl.

reactive queries) i ima mali memorijski otisak (engl. memory footprint).

6.1. NoSQL

Kada su relacijske baze postale dovoljno velike te kada su ih tvrtke pokušale skalirati, prema [42], kupile

su noviji i snažniji hardver, pokušale pojednostaviti shemu baze (engl. scheme), denormalizirati podatke,

olakšati referencijski integritet (engl. referential integrity), dodati priručne memorije (engl. cache),

odvojile replikacije koje samo čitaju podatke od onih koje samo pišu podatke, particionirale podatke

(engl. partitioning) i sl., ali je problem i dalje postojao.

Michael Stonebraker [43] navodi da su praktički svi aplikativni programi koji ovise o brzini rada (engl.

performance sensitive) napravljeni pomoću spremljenih procedura (engl. stored procedures) koji

obrađuju podatke direktno na bazi podataka izbjegavajući tako „prazni hod“ u komunikaciji između

aplikativnog programa i baze podataka. Michael Stonebraker [43] navodi i alternativu da je moguće

pokrenuti sustav za upravljanje bazom podataka u istom adresnom prostoru gdje je i aplikativni program

te se time odreći sigurnosti i sustava upravljanja različitim korisničkim ulogama.

U radu „Tipovi NoSQL baza podataka i njihova usporedba s relacijskim bazama podataka“ (engl. Type of

NOSQL Databases and its Comparison with Relational Databases) [44] navedeno je 5 tipova NoSQL

baza podataka: ključ-vrijednost baze (engl. key-value), stupac baze (engl. column-oriented), dokument

baze (engl. document store), graf baze (engl. graph databases) i objektno orijentirane baze (engl. object-

oriented databases). Tablica 1 prikazuje tipove baza podataka. Neke je baze teže kategorizirati jer su od

samog početka ili novijim inačicama postale hibridi između tipova. Jedan od primjera je Apache

Cassandra koja je hibrid [45] između ključ-vrijednost i stupac baze ili OrientDB koja je multi-modelna

baza tj. može se ponašati kao ključ-vrijednost, kao dokument i kao graf baza. Svaki od navedenih sustava

ima svoje prednosti, nedostatke i mjesta gdje briljiraju.

18

Tablica 1 - primjer NoSQL baza podataka

Tip Primjer

Ključ-vrijednost baze Redis [46], Riak [47], Voldemort [48]

Stupac baze Cassandra [49], HBase [50]

Dokument baze MongoDB [51], CouchDB [52], RavenDB [53]

Graf baze Neo4j [54], OrientDB [55], InfoGrid [56]

6.2. Problemi s relacijskim modelom

Postoji nekoliko ključnih problema u relacijskom modelu. Prema [57], jedan od najvećih problema

relacijskog modela je spajanje dvije ili više tablica (engl. join). Ako se u upitu spajaju 4 tablice po milijun

redova, jednostavno je izračunati minimalan broj pristupa tablici. Jedno od rješenja je korištenje indeksa

(engl. index), ali to smanjuje problem samo logaritamski [58] i zauzima više prostora te usporava

dodavanje i brisanje elemenata [59]. Upravo otežano spajanje nekoliko velikih tablica (koje se mogu

nalaziti na različitim dijelovima svijeta) povlači za sobom sve druge probleme.

6.3. OrientDB graf baza i rješavanje problema spajanja nekoliko tablica

Prema [60], OrientDB interno sprema podatke kao dokumente koji sadrže ključ-vrijednosti gdje se do

vrijednosti dolazi preko ključa. Izvor navodi i da dokumenti ne moraju imati shemu kao u relacijskim

bazama podataka.

OrientDB uvodi koncept poveznice (engl. link) koji predstavlja vezu između dokumenata gdje je moguće

birati između direktnog ugrađivanja (engl. embedding) dokumenta unutar dokumenta ili povezivanja.

Razlika između OrientDB-a i drugih dokument baza podataka je upravo u načinu rješavanja načina

povezanosti gdje se u sustavima poput MongoDB-a ili CouchDB-a, programeri sami moraju brinuti oko

veza između dokumenata [60]. Tablica 2 prikazuje usporedbu relacijskog modela, dokument modela i

dokument modela u OrientDB bazi podataka, preuzeta iz [61].

Tablica 2 - Usporedba relacijskog modela, dokument modela i dokument modela u OrientDB bazi podataka

Relacijski model Dokument model OrientDB dokument model

Tablica Kolekcija Skup (engl. cluster), klasa

Red Dokument Dokument

Stupac Ključ-vrijednost par Polje dokumenta (engl. field)

Veza - Poveznica

19

Na dokument model se oslanja graf model. Prema [62], graf model se sastoji od rubova i vrhova. Vrh se

sastoji od jedinstvenog broja, skupa ključ-vrijednost parova, skupa ulaznih i skupa izlaznih bridova. Rub

se sastoji od jedinstvenog broja, ulaznog vrha, izlaznog vrha, naziva (engl. label) te skupa ključ-

vrijednosti koje opisuju vezu između dva vrha.

Izvor [62] opisuje i skup (engl. cluster) kao kolekciju elemenata (engl. records). Ako će se u programu

nalaziti samo korisnici iz Hrvatske i Kine, idealno bi bilo razdvojiti te korisnike u dva skupa iz nekoliko

razloga:

1. moguće je fizički postaviti poslužitelja bliže zemlji u kojoj se korisnici nalaze

2. ako jedan poslužitelj nije dostupan, korisnici na drugom poslužitelju raditi će neometano

Svaki zapis u OrientDB sustavu dobije svoj jednoznačni broj kojim se može dohvatiti. Taj broj (engl.

record id, identifier) sastoji se od broja skupa i broja fizičkog zapisa [63] čime je garantirano pristupanje

određenom zapisu približnom brzinom O(1). Slika 12 prikazuje kako se graf model oslanja na dokument

model, ali i da aplikativni softver može izravno komunicirati s dokument modelom ili čak i objektnim

modelom.

Slika 12 - graf model se oslanja na dokument model

Tablica 3 prikazuje usporedbu relacijskog modela, graf modela te graf modela u OrientDB bazi. Tablica

je preuzeta iz [62]. U tablici se spominju klase V i E koje su nadklasa vrhu (engl. Vertex) i rubu (engl.

Edge).

20

Tablica 3 - usporedba relacijskog modela, graf modela i graf modela u OrientDB bazi

Relacijski model Graf model OrientDB graf model

Tablica Vrh i rub klasa Klasa koja nasljeđuje klasu „V“

i „E“

Red Vrh Vrh

Stupac Vrh i rub polje Vrh i rub polje

Veza Rub Rub

6.4. Pokretanje OrientDB baze

Za pokretanje OrientDB baze, potrebno je koristiti Java virtualni stroj (engl. Java Virtual Machine) te je

preporučljivo koristiti verziju 8 [64]. OrientDB sustav moguće je preuzeti sa službene stranice [55] i

pokrenuti u dva načina rada: normalni i distribuirani. Obadva načina pokretanja se nalaze unutar bin

direktorija. Na UNIXoidnim operacijskim sustavima normalni se način rada pokreće na sljedeći način:

$ cd bin

$ ./server.sh

Isječak 5 - pokretanje OrientDB baze u normalnom načinu rada

Nakon pokretanja sustava, terminal bi trebao pokazati poruke uspješne inicijalizacije (Slika 13). Poruke

unutar terminala pokazuju i da su se moduli (engl. plugins) poput OrientStudia pokrenuli uspješno.

OrientStudio je za OrientDB ono što je PHPMyAdmin za MySQL sustav tj. grafičko sučelje kojim je

moguće upravljati samim sustavom.

21

Slika 13 - prikaz uspješno inicijaliziranog OrientDB sustava u normalnom načinu rada

Iz poruka koje OrientDB prikazuje prilikom pokretanja, vidljivo je da OrientDB čita konfiguracijske

parametre iz datoteke config/orientdb-server-config.xml. Vidljivo je i da se baze nalaze u databases

direktoriju te da poslužitelj „sluša“ binarne veze na priključku (engl. port) 2424 te HTTP veze na

priključku 2480. Nakon inicijalizacije baze, sustav otpakira dodatke (engl. extract plugins) poput agents i

studio.

6.5.Korištenje OrientStudia

Nakon što je sustav pokrenut, OrientStudio „sluša“ na priključku 2480. OrientStudio se otvara preko

preglednika (engl. browser) na stranici: http://localhost:2480. Slika 14 prikazuje tzv. stranicu

dobrodošlice (engl. welcome screen) na kojoj se korisnici prijavljuju sa svojim korisničkim imenom i

lozinkom. Lozinka se postavlja u trenutku prvog pokretanja OrientDB sustava i čuva u konfiguracijskoj

datoteci [65].

22

Slika 14 - OrientStudio prijava

Moguće je i preuzimanje već postojećih baza. Nakon uspješne prijave u bazu, sustav će prikazati različite

module kojima se može upravljati bazom (Slika 15).

Slika 15 - različiti moduli za upravljanje OrientDB bazom podataka

Modul za pregled (engl. browse) najčešće služi za slanje upita prema sustavu. Shema (engl. schema)

modul služi kao grafičko sučelje za upravljanje shemom baze (klasama, skupovima). Nedostatak modula

Shema je što nije moguć hijerarhijski prikaz klasa unutar sustava. Sigurnosni modul (engl. security) služi

za dodjeljivanje prava pojedinim korisnicima u bazi. Trenutne uloge (engl. roles) su administrator, pisač i

čitač (engl. admin, writer, reader).

Graf (engl. Graph) modul služi za prikaz podataka u obliku grafa. Slika 16 prikazuje rezultat

jednostavnog upita koji uzima 5 vrhova (vrhovi su dokumenti ili klase V ili naslijeđeni iz klase V (engl.

Vertex)). Veze „followed_by“ (praćen od) su direktni pokazivači od jednog vrha do drugog ili dokumenti

koji su klase E ili naslijeđeni iz klase E.

23

Slika 16 - primjer jednostavnog SQL upita

Takvi direktni pokazivači i korištenje identifikatora (engl. ID) koji direktno pokazuju u memoriji gdje se

vrh nalazi, čini dohvaćanje takvih dokumenata operacijom približnom O(1). Ne povećavanje

kompleksnosti pretraživanja prilikom dodavanja novih količina podataka jedan je od najsnažnijih

argumenata za korištenje OrientDB baze podataka. Izvor [66] u svom sustavu za razmjenu poruka (engl.

chat) prikazuje i da je samo straničenje (engl. pagination) operacija O(1) čak i na milijun poruka te

navodi upit:

select from ItalianRestaurant order by @rid desc skip 50 limit 50

Isječak 6 - jednostavno straničenje

Modul Funkcije (engl. Functions) omogućuje unos funkcija u sustav OrientDB. Sličan koncept u

relacijskim bazama podataka su spremljene procedure (engl. stored procedures). Funkcije se mogu

pozvati iz SQL-a, HTTP-a i Jave [66].

6.6. SQL

OrientDB podržava i SQL dijalekt s nekim manjim razlikama [67]. Isječak 7 prikazuje osnovne SQL

SELECT naredbe:

SELECT * FROM V

SELECT FROM V // može se izbjeći znak * ako se dohvaćaju svi elementi

SELECT DISTINCT(ime) FROM Korisnik

Isječak 7 - osnovne SELECT naredbe

24

I dodavanje vrhova je jednostavno sa SQL INSERT naredbama:

INSERT INTO V (ime, prezime) VALUES ("Davor", "Lozić")

INSERT INTO V SET ime = "Aleksander", prezime = "Radovan"

Isječak 8 - SQL INSERT naredba

Naredba DELETE briše dokumente (u ovom slučaju vrhove):

DELETE FROM V WHERE ime.toLowerCase() = 'davor'

Isječak 9 - SQL DELETE naredba

6.7. Klase

Prema [68], zapis (engl. record) je najmanji element kojeg baza podataka može spremiti. Izvor također

navodi da postoji 4 tipa zapisa: dokument, zapis u bajtovima (engl. RecordBytes), vrh i rub. OrientDB

podržava koncept klase iz paradigme objektno-orijentiranog programiranja. Dokument kao skup ključ-

vrijednosti, može biti određene klase koja osigurava konzistentnu shemu sličnoj shemi u relacijskim

bazama podataka. Trenutno ne postoji nikakvo pravilo što sve mora jedan vrh sadržavati te time se ne

osigurava niti točnost niti konzistentnost podataka. Klase mogu biti bez sheme (engl. schema-less), sa

shemom (engl. shema-full) ili miješane (engl. mixed) [69]. SQL naredbama je moguće napraviti klasu i

dodati joj svojstva (engl. properties):

CREATE CLASS Osoba

CREATE PROPERTY Osoba.ime STRING

CREATE PROPERTY Osoba.prezime STRING

CREATE PROPERTY Osoba.oib STRING

CREATE PROPERTY Osoba.email STRING

ALTER PROPERTY Osoba.ime MANDATORY TRUE

ALTER PROPERTY Osoba.prezime MANDATORY TRUE

ALTER PROPERTY Osoba.oib MANDATORY TRUE

ALTER PROPERTY Osoba.oib MIN 11

ALTER PROPERTY Osoba.oib MAX 11

Isječak 10 - izrada klase Osoba

Nakon postavljenih pravila, nije moguće unijeti korisnika bez imena, prezimena i OIB-a, a email je

neobavezan. Isječak 11 prikazuje kako ispravno unijeti osobu u sustav. OIB naravno nije valjan jer OIB u

RH koristi standard ISO7064, MOD 11,10 [70], ali je moguća i takva provjera prije unosa.

INSERT INTO Osoba (email, ime, oib, prezime) VALUES

("warriorkitty@warriorkitty.com", "Davor", "11111111111", "Lozić")

Isječak 11 - dodavanje nove osobe

25

Pokuša li se dodati Osoba koja nema jedan od obveznih elemenata (OIB, Isječak 12), sustav će javiti

pogrešku prilikom unosa (Slika 17).

INSERT INTO Osoba (email, ime, prezime) VALUES

("warriorkitty@warriorkitty.com", "Davor", "Lozić")

Isječak 12 - unos korisnika bez OIB-a, upit koji se neće uspješno izvršiti

Na ovaj se način može definirati integritet podataka u samoj bazi. Shema može imati različita pravila za

različite tipove podataka.

Slika 17 - ispis pogreške prilikom dodavanja korisnika bez OIB-a

26

7. MovieLens baza unutar OrientDB sustava

Java 8 i OrientDB omogućuju jednostavan unos podataka iz CSV datoteke. MovieLens baza podataka

dolazi u tom obliku te ju je potrebno unijeti u OrientDB sustav. Slika 18 prikazuje popis datoteka u kojoj

se nalaze poveznice (engl. links), filmovi (engl. movies), ocjene (engl. ratings) i oznake (engl. tags).

Slika 18 - MovieLens popis datoteka

7.1. Spajanje Jave i OrientDB baze podataka

Prvo je potrebno spojiti Javu i OrientDB bazu podataka. Jednostavan način za spajanje s bazom je

korištenje klase OrientGraphFactory [71]. Izvor navodi i da je moguće koristiti OrientDB na transakcijski

i netransakcijski način. Isječak 13 prikazuje spajanje Jave i OrientDB baze te se veza prema bazi nalazi u

graf varijabli. Config klasa u ovom kontekstu sadrži pristupne podatke.

OrientGraphFactory f =

new OrientGraphFactory(

Config.DB_URL, Config.DB_USERNAME, Config.DB_PASSWORD)

.setupPool(Config.DB_POOL_MIN, Config.DB_POOL_MAX);

OrientGraph graf = f.getTx(); // transakcijski način

Isječak 13 - spajanje Jave i OrientDB baze

Sustav koristi Java 8 lambda izraze prilikom prijenosa podataka. Isječak 14 prikazuje način dodavanja

korisnika iz CSV datoteke u OrientDB. CSV datoteka se prvo otvara, obrađuje te potom dodaje u HashSet

(jedna od implementacija skupa u programskom jeziku Java). Teorija skupova sama po sebi ne dopušta

duplicirane elemente pa tako i implementacija u obliku HashSet klase.

Stream<String> podaci = Files.lines(

Paths.get(Config.MOVIELENS_PATH + "ratings.csv"));

Set<Integer> korisnici = new HashSet<>();

podaci.skip(1).forEach(red -> {

String[] tokeni = red.split(",");

podaci.add(Integer.parseInt(red[0]));

});

Isječak 14 - unos MovieLens korisnika u OrientDB sustav

27

Prije unosa samih podataka, potrebno je napraviti klasu Korisnik koja će predstavljati korisnike sustava.

graf.executeOutsideTx(arg -> {

OrientVertexType klasa = graf.createVertexType("Korisnik");

klasa.createProperty("korisnikId", OType.INTEGER);

klasa.createIndex("Korisnik.korisnikId", OClass.INDEX_TYPE.UNIQUE,

"korisnikId");

return null;

});

Isječak 15 - izrada klase Korisnik

Isječak 15 prikazuje izradu klase Korisnik te joj dodaje korisnikId koji služi kao identifikator korisnika.

podaci.stream().forEach(id -> {

try {

graph.addVertex("class:Korisnik", "korisnikId", id);

if (Worker.randInt(1, 20) == 5) { graf.commit(); }

} catch (Exception e) {

graf.rollback();

}

});

graf.commit();

Isječak 16 - unos korisnika iz CSV-a u OrientDB

Isječak 16 - prikazuje konkretan unos korisnika iz CSV-a u OrientDB sustav. Obzirom da taj broj

korisnika može biti poprilično velik i da se unosi u transakcijskom načinu rada, potrebno je povremeno

pozvati potvrdu za spremanjem podataka (engl. commit) tako da bi se podaci trajno spremili.

Cijeli projekt unosa ostalih CSV datoteka objavljen je kao projekt otvorenog koda te je dostupan ovdje

[72]. Unutar projekta unose se još žanrovi, filmovi, ocjene te oznake.

7.2. Sustav za preporuku novih filmova

Nakon što se podaci nalaze u OrientDB bazi, algoritam za preporuku filmova može se nalaziti na jednom

od slojeva: aplikacijskom sloju ili na bazi kao procedura/funkcija. Izvori [73] [74] [75] [76] bave se o

dobrim i lošim stranama poslovne logike u aplikacijskom i/ili podatkovnom sloju. Konkretno u ovom

sustavu, sustav za predlaganje nalazi se u podatkovnom sloju koji se izvršava direktno na OrientDB bazi,

a koju poziva Rails aplikacija te prosljeđuje joj potrebne parametre.

Slika 19 prikazuje arhitekturu sustava. Korisnički preglednik napravi upit prema poslužitelju na kojem

Rails sustav čeka zahtjeve. Rails prihvati zahtjev, otvori poveznicu prema OrientDB bazi i pozove

funkciju unutar OrientDB sustava. Pozivanje OrientDB funkcija može se odviti na dva načina: ili

binarnim protokolom ili REST API-em. U ovom slučaju Rails komunicira s OrientDB-om pomoću

28

binarnog protokola. Nakon što OrientDB obradi zahtjev i vrati listu filmova Rails sustavu, Rails sustav

vraća HTTP odgovor korisničkom pregledniku.

Slika 19 - arhitektura sustava

Algoritam za prijedlog novih filmova implementiran je pomoću Pearsonovog korelacijskog koeficijenta.

U sljedećem opisu algoritma, osoba A će biti osoba za koju se traži preporuka, a osoba B će biti osoba s

kojom se trenutno uspoređuje osoba A da bi se dohvatili novi filmovi. Algoritam se sastoji od sljedećih

koraka:

1. dohvaćanje korisnika A i njegove ocjene filmova

2. dohvaćanje korisnika B iz liste svih korisnika sustava (B je striktno različita osoba od A)

3. dohvaćanje ocjena korisnika B

4. izračun Pearsonovog korelacijskog koeficijenta između korisnika A i korisnika B

5. usporedba trenutno najboljeg koeficijenta s novim

6. postavljanjem novog koeficijenta ako je bolji od prethodnog

7. preuzimanje liste filmova korisnika B

8. filtriranje samo onih filmova koje je korisnik B ocijenio kao dobrim (>= 4)

9. vraćanje liste filmova kao rezultat

var gdb = orient.getGraph();

return gdb.command('sql', ' \

select @rid, movieId, name from (\

select expand(out("Rate")) \

from User where userId = ?);', [ userId ] );

Isječak 17 - dohvaćanje liste filmova koje je korisnik ocijenio

Isječak 17 prikazuje funkciju unutar OrientDB sustava koja prvo dohvati korisnika preko njegovog

identifikatora pa kao rezultat vrati filmove povezane s tim korisnikom, preko ocjena koje je korisnik

dodijelio. Funkcija expand [66] kao parametar prima poveznicu (u ovom slučaju ocjenu), a kao rezultat

vraća dokument (u ovom slučaju filmove). Funkcija out [66] dohvaća izlaznu poveznicu (ocjenu).

29

function findByMovieId(ratings, movieId) {

var found = false;

for(var i = 0; ratings.length; ++i) {

var r = ratings[i];

if(parseInt(r.getProperty('movieId'))

=== parseInt(movieId)) {

found = r;

break;

}

}

return found;

}

function movieIntersection(movies1, movies2) {

var common = [];

for(var i = 0; i < movies1.length; ++i) {

var m1 = movies1[i];

var name = m1.getProperty('name');

for(var j = 0; j < movies2.length; ++j) {

var m2 = movies2[j];

if(name === m2.getProperty('name')) {

common.push(m1);

}

}

}

return common;

}

Isječak 18 - pomoćne funkcije za obradu liste filmova

Isječak 18 prikazuje pomoćne funkcije koje obrađuju listu filmova. Prva funkcija findByMovieId kao

parametre prima listu filmova i identifikator filma kojeg se želi vratiti iz liste. Funkcija pronalazi film iz

liste kompleksnošću O(n) što znači da je brzina pronalaska filma linearno ovisi o broju filmova.

Pretvorbom liste u HashMap moguće je kompleksnost smanjiti na O(1).

Druga funkcija movieIntersection kao parametre prima dvije liste filmova, a vraća novu listu koja u sebi

sadrži isključivo zajedničke filmove. Kompleksnost ovog algoritma je O(m x n) gdje su m i n broj

filmova u listama. Implementacijom HashMape bi se kompleksnost i ovog algoritma smanjila.

function pearson(ratings1, ratings2) {

var len = ratings1.length;

if(len === 0) { return 0; }

var sum1 = 0, sum2 = 0,

sum1sq = 0, sum2sq = 0,

tSum = 0;

for(var i = 0; i < ratings1.length; ++i) {

var r1 = ratings1[i];

30

var r2 = findByMovieId(ratings2,

r1.getProperty('movieId')); var v1 = r1.getProperty('value');

var v2 = r2.getProperty('value');

sum1 += v1;

sum2 += v2;

sum1sq += Math.pow(v1, 2);

sum2sq += Math.pow(v2, 2);

tSum += v1 * v2;

}

var num = tSum - ((sum1 * sum2) / len);

var den = Math.sqrt(

(sum1sq - Math.pow(sum1, 2) / len) *

(sum2sq - Math.pow(sum2, 2) / len)

);

if (den == 0) return 0;

return num / den;

}

Isječak 19 - implementacija Pearsonovog korelacijskog koeficijenta

Isječak 19 prikazuje implementaciju Pearsonovog korelacijskog koeficijenta. Funkcija je implementirana

programskim jezikom JavaScript koji je, uz SQL, podržan u OrientDB sustavu. Ruby, Scala, Java i drugi

programski jezici također će biti podržani u budućnosti [77]. Implementirana funkcija prima kao

parametre dvije liste ocjena korisnika iz kojih se izračuna sam koeficijent. Funkcija također koristi

funkciju izračuna korijena i kvadrata broja iz biblioteke Math u JavaScriptu (Math.pow i Math.sqrt).

// svi filmovi korisnika

var userMovies = getUserMovies(userId);

// svi korisnici

var allUsers = gdb.command('sql', 'select from User;');

// definiranje trenutno najvećeg koeficijenta

var highestP = -1, highestPUserId;

// pretraživanje svih korisnika i izračun koeficijenta

userId = parseInt(userId);

for(var i = 0; i < allUsers.length; ++i) {

// korisnik s kojim se uspoređuje

var user = allUsers[i];

var otherUserId = parseInt(user.getProperty('userId'));

// ne uspoređuj samog sebe if(otherUserId === userId) { continue; }

31

// dohvati sve filmove korisnika

var compareMovies = getUserMovies(otherUserId);

// filtriraj samo zajedničke filmove

var commonMovies = movieIntersection(userMovies, compareMovies);

// pretvorba liste u bolji format za OrientDB var movieIds = '[' + commonMovies.map(function(el) {

return el.getProperty('movieId'); }).join() + ']';

// ocjene

var otherRatings = getUserMoviesWithRatings(otherUserId, movieIds);

var myRatings = getUserMoviesWithRatings(userId, movieIds);

// izračun Pearsonovog koeficijenta var p = pearson(myRatings, otherRatings);

// ako je koeficijent veći, spremi ga

if(p > highestP) {

highestP = p;

highestPUserId = otherUserId;

}

}

// highestP => najveći koeficijent

// highestPUserId => identifikator korisnika s najvećim koeficijentom

var otherUserMovies = getUserMovies(highestPUserId);

// dohvaćanje disjunkcije između dvije liste filmova

var disjunction = movieDisjunction(userMovies, otherUserMovies);

disjunction = '[' + disjunction.map(function(el) {

return el; }).join() + ']';

disjunction = getUserMoviesWithRatings(otherUserId, disjunction);

// samo filmovi čija je ocjena >= 4

var rateBound = 4;

var movieIds = [], recommendations = [];

// izrada liste s prijedlozima

for(var i = 0; i < disjunction.length; ++i) {

var d = disjunction[i];

var rate = d.getProperty('value');

var movie = {

movieId: d.getProperty('movieId'),

name: d.getProperty('name')

};

if(rate >= rateBound) { recommendations.push(movie); }

}

return recommendations;

Isječak 20 - funkcija koja poziva izračun koeficijenta i odabire nove filmove

32

Isječak 20 prikazuje funkciju koja prihvaća identifikator korisnika za kojeg se traže novi filmovi, poziva

funkciju za izračun Pearsonovog korelacijskog koeficijenta, održava informaciju o trenutno najboljem

koeficijentu te vraća listu prijedloga novih filmova.

Na samom vrhu funkcije dohvaćaju se svi filmovi korisnika A te svi drugi korisnici s kojima će se

računati koeficijent. Nakon toga se za svakog od tih korisnika dohvaćaju njegovi filmovi, filtriraju samo

zajednički te se računa koeficijent. Nakon što je pronađen najbolji koeficijent i najsličniji korisnik,

filtriraju se filmovi koje je korisnik A već gledao/ocijenio. Obzirom da je potrebno predložiti samo one

filmove za koje je korisnik B rekao da su dobri (ocjena veća od 3), varijabla rateBound sadrži broj 4 koji

govori da se u obzir uzmu samo oni filmovi koji imaju ocjenu 4 ili 5. Lista s novim filmovima tako se

vraća pozivatelju funkcije tj. Ruby on Rails aplikaciji i nakon toga korisničkom pregledniku. OrientDB

kao rezultat vraća JSON objekt.

33

8. Ruby i Rails

Ruby [78] kao programski jezik i Rails [79] kao programski okvir, kada se radi o razvijanju internetskih

aplikacija, zauzimaju nemalen dio tržišta [80]. Izvor [81] navodi da je Ruby „dinamičan, reflektivan,

objektno-orijentirani programski jezik opće namjene koji kombinira sintaksu inspiriranu programskim

jezikom Perl, konceptualnu eleganciju programskog jezika Smalltalk te Pythonovu jednostavnost.“

Da bi opisao Rails, autor Daniel Kehoe [82] koristi šest različitih perspektiva:

1. preglednik - za korisnički preglednik, Rails je običan generator HTML koda

2. programer - kolekcija datoteka sa specifičnom strukturom koja je jednaka za svaku Rails

aplikaciju što omogućuje jednostavnu kolaboraciju među Rails programerima

3. softverski arhitekt - Rails daje razinu apstrakcije gdje arhitekt može grupirati elemente i

jednostavnije razmišljati o njihovim odnosima

4. gem lovac - Rails je popularan i zbog biblioteka funkcija koje mogu znatno ubrzati programiranje

5. putovanje kroz vrijeme - veliki broj Rails programera koristi Git i Github

6. testiranje - testiranje softvera dio je Rails kulture

OrientDB i Rails povezani su preko biblioteke orientdb4r. Isječak 21 prikazuje naredbu za instalaciju

orientdb4r biblioteke koju je potrebno uključiti unutar Rails aplikacije.

gem install orientdb4r

Isječak 21 - instalacija orientdb4r biblioteke

Iz perspektive Rails aplikacije, korisnički se zahtjev obradi i pozove se funkcija unutar kontrolera. Isječak

22 prikazuje kontroler koji zove funkciju unutar OrientDB baze. Funkcija initialize služi kao konstruktor

u kojem se inicijalizira veza prema OrientDB sustavu.

class HomeController < ApplicationController

def initialize

require 'orientdb4r'

@client = Orientdb4r.client

db = 'movies'

@client.connect :database => db, :user => 'root', :password =>

'root'

end

def index

@test = @client.query("SELECT getRecommendations(1);")

logger.debug @test

destructor

end

34

private

def destructor

@client.disconnect

end

end

Isječak 22 - Rails kontroler

Funkcija destructor služi kao destruktor u ovom kontroleru, koji nakon zahtjeva gasi vezu prema

OrientDB sustavu. Nedostatak ovakvog pristupa je otvaranje i zatvaranje veze prema OrientDB sustavu

svakim korisničkim zahtjevom te u ovom dijelu postoji prostor za promjene zbog skalabilnosti sustava.

Jedna od alternativa je korištenje skupa otvorenih veza (engl. connection pool) koji se neće zatvarati nego

će čekati sljedeći upit te se time neće gubiti procesorsko vrijeme na otvaranje i zatvaranje veze.

Funkcija index ostvaruje upit prema OrientDBu i prosljeđuje identifikator korisnika za kojeg želi

preporuke filmova. U ovom slučaju je naveden identifikator 1, ali Rails može proslijediti podatke i iz

HTTP GET parametara ili identifikator iz sjednice (engl. session) [83] prijavljenog korisnika.

35

9. Zaključak

Kolektivna inteligencija kao sposobnost grupe da riješi probleme bolje nego njeni pojedini članovi, otvara

vrata novim algoritmima, dokazima i mogućnostima. U radu se nalazi koncept gdje se poznati zadatak

kolektivne inteligencije kao što je prijedlog novih filmova, može riješiti jednostavnim pojmom grafa.

Koncepti poput šetnji, ciklusa, puteva, eigenvektora i sl. samo su pomoćni pojmovi koji mogu dodatno

olakšati dokaze, a koncepti poput analize socijalnih mreža mogu dodati veliki broj dodatnih informacija.

Iz rada je jasno vidljivo kada treba koristiti koju mjeru sličnosti te na koji način analizirati socijalnu

mrežu sustava kako bi se znalo ne samo koji film korisnik voli ili ne, nego i razloge zašto.

U radu je korišten Pearsonov korelacijski koeficijent koji se pokazao kao fantastična mjera sličnosti te

OrientDB baza koja izuzetno prirodno implementira već poznati SQL, u svijet teorije grafova.

OrientDB kao relativno nova tehnologija pokazala se poprilično jednostavnom za korištenje. Istražujući

ga uvidio sam i nekoliko nedostataka od kojih je najveći razlika između inačica u smislu stabilnosti. Kroz

Github sustav, vidljivo je koliko brzina unosa može degradirati u različitim inačicama što je očiti primjer

„mladog“ softvera. Sustav je spreman za produkcijsku upotrebu, ali kroz izuzetno dobro napisane testove

potrebno je testirati svaku novu inačicu jer razlike mogu biti enormne.

Ruby kao programski jezik i Rails kao programski okvir omogućuju izuzetno brz razvoj internetskih

aplikacija što je danas, uz jednostavnost i cijenu, jedan od nekoliko najbitniji čimbenika pri odabiru

tehnologije.

Programski kod pisan je kao koncept te kao takav nije spreman za produkcijsku upotrebu.

__________________________________________________

36

10. Literatura

[1] T. Segaran, »Programming Collective Intelligence«.

[2] F. Heylighen, Collective Intelligence and its Implementation on the Web: Algorithms to Develop a

Collective Mental Map, 1999.

[3] T. W. Malone, What Is Collective Intelligence, and What Will We Do About It?, 2006.

[4] P. Levy, Collective Intelligence: Mankind’s Emerging World in Cyberspace.

[5] F. Stremtan, Some consideration regarding collective intelligence., 2008.

[6] P. Resnick i H. R. Varian, Recommender systems.

[7] S. Alag, Collective Intelligence in Action, Manning, 2009.

[8] N. Prize, http://www.netflixprize.com.

[9] J. Bennett i S. Lanning, The Netflix Prize.

[10] N. P. Leaderboard, http://www.netflixprize.com/leaderboard.

[11] M. About, https://movielens.org/info/pages/about/.

[12] G. Datasets, http://grouplens.org/datasets/movielens/.

[13] H. Shimodaira, »Similarity and recommender systems,« 2015.

[14] P. Barrett, »Euclidean Distance: raw, normalized, and double‐scaled coefficients«.

[15] F. Smarandache, »Alternatives To Pearson’s and Spearman’s Correlation Coefficients«.

[16] S. Niwattanakul, J. Singthongchai, E. Naenudorn i S. Wanapu, Using of Jaccard Coefficient for

Keywords Similarity.

[17] P. Gyarmati, »Some words about networks,« 2011.

37

[18] B. Miklos, A walk through Combinatorics - An introduction to Enumeration and Graph Theory.

[19] G. Alexanderson, »Euler and Konigsberg's bridges: A historical view«.

[20] L. Euler, »Solutio Problematis ad Geometriam Situs Pertinentis«.

[21] A. Nakić i M. O. Pavčević, Uvod u teoriju grafova, Zagreb, 2015.

[22] K. Ruohonen, Graph Theory, 2013.

[23] C. Griffin, Graph Theory: Penn State Math 485 Lecture Notes.

[24] T. Harju, Lecture Notes on GRAPH THEORY.

[25] B. Chen, Introduction to Graph Theory.

[26] P. Van Dooren, Graph Theory and Applications.

[27] R. Zadeh, Discrete Mathematics and Algorithms.

[28] M. Aldridge, Topics in Discrete Mathematics.

[29] L. Trevisan, Stanford University - CS261: Optimization.

[30] K. Rosen, Discrete Mathematics and its Applications.

[31] V. Adamchik, Graph Theory.

[32] A. Aglić-Aljinović, EKSTREMALNA KOMBINATORIKA.

[33] S. Sawant, Collaborative Filtering using Weighted BiPartite Graph Projection - A Recommendation

System for Yelp.

[34] A. Bohn, I. Feinerer, K. Hornik i P. Mair, Content-Based Social Network Analysis of Mailing Lists.

[35] C. Butts, Social Network Analysis with sna.

[36] D. Bader, S. Kintali, K. Madduri i M. Mihail, Approximating Betweenness Centrality.

38

[37] D. Bader, R. McColl i O. Green, A Fast Algorithm for Streaming Betweenness Centrality.

[38] P. Hoff, Centrality 567 Statistical analysis of social networks.

[39] M. H. Bhuiyan i S. Arifuzzaman, CENTRALITY MEASURES.

[40] C. A. R. Pinheiro, Social Network Analysis in Telecommunications.

[41] https://github.com/orientechnologies/orientdb.

[42] G. Burd, NoSQL.

[43] M. Stonebraker, SQL Databases v. NoSQL Databases, CACM.

[44] A. Nayak, A. Poriya i D. Poojary, Type of NOSQL Databases and its Comparison with Relational

Databases.

[45] S. Hall, Cassandra An introduction to data modeling techniques - an evolution of enterprise

architecture.

[46] http://redis.io.

[47] http://basho.com.

[48] http://www.project-voldemort.com.

[49] http://cassandra.apache.org.

[50] https://hbase.apache.org.

[51] https://www.mongodb.org.

[52] http://couchdb.apache.org.

[53] https://ravendb.net.

[54] http://neo4j.com.

[55] http://orientdb.com.

39

[56] http://infogrid.org.

[57] L. Dell’Aquila, http://orientdb.com/orientdb-more-than-sql/.

[58] T. Green, Introduction to Database Systems.

[59] Silberschatz, Korth i Sudarshan, Database System Concepts.

[60] http://orientdb.com/docs/last/Tutorial-Document-and-graph-model.html.

[61] TutorialsPoint, http://www.tutorialspoint.com/orientdb/orientdb_tutorial.pdf.

[62] A. Bilal i M. Khalid, GRAPH DATABASES AND ORIENTDB.

[63] http://orientdb.com/docs/2.0/orientdb.wiki/Tutorial-Record-ID.html.

[64] https://github.com/orientechnologies/orientdb/issues/5386.

[65] https://groups.google.com/forum/#!topic/orient-database/gxNRbPqwi-0.

[66] http://orientdb.com/docs.

[67] http://orientdb.com/docs/last/SQL.html#orientdb-sql-dialect.

[68] http://orientdb.com/docs/last/Concepts.html#record.

[69] http://orientdb.com/docs/last/Tutorial-Classes.html.

[70] http://domagoj.eu/oib/.

[71] http://orientdb.com/new-orientdb-graph-factory/.

[72] https://github.com/warriorkitty/orientlens.

[73] http://programmers.stackexchange.com/questions/65742/stored-procedures-a-bad-practice-at-one-of-

worlds-largest-it-software-consulting.

[74] https://blog.codinghorror.com/who-needs-stored-procedures-anyways/.

40

[75] http://ptgmedia.pearsoncmg.com/images/0789725843/updates/cfwack.c30.cd.pdf.

[76] http://c2.com/cgi/wiki?StoredProceduresAreEvil.

[77] http://orientdb.com/docs/2.0/orientdb.wiki/Functions.html#functions.

[78] https://www.ruby-lang.org/.

[79] http://rubyonrails.org/.

[80] http://trends.builtwith.com/framework.

[81] V. Dwarampudi, S. S. Dhillon, S. Jivitesh, N. J. Sebastian i N. S. Kanigicharla, Comparative study of

the Pros and Cons of Programming languages Java, Scala, C++, Haskell, VB .NET, AspectJ, Perl,

Ruby, PHP & Scheme.

[82] D. Kehoe, Learn Ruby on Rails.

[83] J. Weiss, How Rails Sessions Work (http://www.justinweiss.com/articles/how-rails-sessions-work/).