实时推荐算法（Real-time Recommendation）
概述
实时推荐算法（Real-time Recommendation）是一种基于随机游走模型的实时推荐算法，能够推荐与输入节点相近程度高、关系或喜好相近的节点。
适用场景
实时推荐算法（Real-time Recommendation）可以基于历史浏览数据进行相近商品推荐，也可以为用户进行相近喜好的潜在好友推荐。
适用于电商、社交等多领域的推荐场景。
参数说明
|
参数 |
是否必选 |
说明 |
类型 |
取值范围 |
默认值 |
|---|---|---|---|---|---|
|
sources |
是 |
节点的ID，可以是多个ID，以逗号分隔（即，标准CSV输入格式）。 |
String |
source节点的个数不超过30个 |
- |
|
alpha |
否 |
权重系数，其值越大，步长越长。 |
Double |
0~1，不包括0和1 |
0.85 |
|
N |
否 |
总的游走步数。 |
Int |
1~200000 |
10000 |
|
nv |
否 |
游走过程提前结束参数：候选推荐节点访问次数的最小值。
说明：
对于一个节点，如果其在随机游走过程被访问到，且被访问到的次数达到“nv”，则该节点将记入候选推荐的节点。 |
Int |
1~10 |
5 |
|
np |
否 |
游走过程提前结束参数：候选推荐节点个数。
说明：
若某个source节点的候选推荐节点达到“np”，对于该source节点的随机游走将提前结束。 |
Int |
1~2000 |
1000 |
|
label |
否 |
希望输出的点的类型。
说明：
|
String |
节点label |
- |
|
directed |
否 |
是否考虑边的方向。 |
Bool |
true 或false |
true |
alpha决定跳转概率系数，也称为阻尼系数，是算法内的计算控制变量。
注意事项
结束条件中，nv和np越小，实时推荐算法（Real-time Recommendation）提前结束越快。
示例
输入参数sources =Lee，alpha=0.85，N=10000，nv=5，np=1000，label为空，directed=true。
计算结果中的top节点组成的子图会展示在绘图区，节点大小根据最终的score值的大小来区别，JSON结果会展示在查询结果区。
