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）可以基于历史购买和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，最多不超过30，按Enter键继续添加节点。 | 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。 | Integer | 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。 | Integer | 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。 | Integer | 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。 | Boolean | 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。
