PC2-PROGRAMACIÓN-CONCURRENTE Y DISTRIBUIDA

Este repositorio contiene implementaciones de tres métricas de similitud entre usuarios (Cosine, Jaccard y Pearson) en versiones secuenciales y concurrentes. Se añadió soporte para ejecutar los programas sobre cortes del dataset (porcentaje de filas) para comparar tiempos y encontrar puntos de equilibrio entre las versiones secuencial y concurrente.

Requisitos

• Go 1.18+ instalado y disponible en PATH
• Dataset original: steam_reviews.csv (descargar desde Kaggle: https://www.kaggle.com/datasets/najzeko/steam-reviews-2021/data)

Flujo básico de uso

1. Coloca steam_reviews.csv en la carpeta data/ o pásalo con --in a los scripts de limpieza.

2. Ejecuta el script de limpieza para generar los CSV preparados:

   • Desde data/:

   Set-Location 'c:\path\to\repo\data'
   go run clean.go --in steam_reviews.csv --save steam_reviews_clean.csv
   go run build_cosine.go --in steam_reviews_clean.csv --out clean_cosine.csv
   go run build_pearson.go --in steam_reviews_clean.csv --out clean_pearson.csv
   go run build_jaccard.go --in steam_reviews_clean.csv --out clean_jaccard.csv

3. Ir a la carpeta del algoritmo que quieras (por ejemplo cosine) y ejecutar los programas seq.go y conc.go con los flags adecuados (ver sección "Flags útiles").

Flags útiles

• --pct (float): porcentaje de filas del CSV de entrada a usar (10, 25, 50, 100). Por defecto 100.
• --reps (int): número de repeticiones para medir tiempo. Recomendado 5 para medidas estables.
• --workers (int): número de workers para la versión concurrente (fijar para reproducibilidad, e.g. 8).
• --out (string): ruta de salida para guardar un CSV resumen con estadísticas.
• --target (string): user_id target. Si no existe en el subset, algunos programas (Pearson/Jaccard) pueden elegir un fallback automático.
• --raw (string): ruta al CSV limpio original para imprimir información humana sobre el target.

Cómo ejecutar cortes y comparar

Ejemplo (PowerShell) dentro de cosine/:

go run seq.go --pct=10 --reps=3 --out '..\results\cosine_seq_pct10.csv'
go run conc.go --pct=10 --workers=8 --reps=3 --out '..\results\cosine_conc_pct10.csv'

Repite para pct=25,50,100. Para jaccard y pearson los comandos son idénticos, cambiando la carpeta.

Notas experimentales

• Usamos 3 repeticiones por defecto para balancear tiempo y estabilidad estadística. Para resultados finales se recomienda aumentar a 10.
• En Pearson se requiere al menos 2 ítems en común para calcular correlación válida; si el target queda fuera del subset el programa puede seleccionar un target alternativo (fallback).

Recolección y análisis automático

• Cada programa puede generar un CSV resumen con --out que contiene columnas como elapsed_ms_mean y elapsed_ms_std. Estos CSVs permiten calcular speedup y eficiencia de forma automática.