文档首页/ 图引擎服务 GES/ 用户指南/ 算法参考/ 实时推荐算法(Real-time Recommendation)
更新时间:2022-09-20 GMT+08:00
分享

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

表1 实时推荐算法(Real-time Recommendation)参数说明

参数

是否必选

说明

类型

取值范围

默认值

sources

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

权重系数,其值越大,步长越长。

Double

0~1,不包括0和1

0.85

N

总的游走步数。

Int

1~200000

10000

nv

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

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

希望输出的点的类型。

说明:
  • 其值为空时,将不考虑点的类型,输出算法原始计算结果。
  • 对其赋值时,将从计算结果中过滤出具有该“label”的点的返回。

String

节点label

-

directed

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。

相关文档