문맥 정보를 이용하여 장
5.1 시간 컨텍스트 정보
문서는 문제가 있었다 주어진 시간 이후 안내 정적 시스템에서 변동 트리플있는 시스템 (U, I, t)에 추천 시스템은 시간 t에서의 사용자 (U) I를 나타낸다.
( A) 수명주기 평가 항목 지표 :
(1) 온라인 일 평균 항목 : 항목이 하나 이상의 사용자의 동작에 하루에 생산되는 경우, 항목이 온라인이 일에 정의되어 있습니다
(2) 이격 평균 유사도 벡터 T 인기 일 기사 (코사인 유사성) 시스템의 적절성을 평가하기
시간 다이버 시티 (b) 추천 알고리즘 : 추천 시스템의 다양한 정도의 일일 권장 결과는 시간 다이버 시티 추천 시스템으로 정의
(다) 경우 사용자는 결과가 다양성을 추천 일정 시간이 있는지 확인하는 방법을 작동하지 않습니다
(1) 상기 추천 결과를 생성하는데 소정의 난수를 부가
(2) 기록 추천은 사용자가 다음 매일 볼 수있는 사용자에 대한 권장 시간의 끝에서 오른쪽으로 추천 결과 이미 무거운 보았다
(3) 일일 권장 사용자에게 서로 다른 알고리즘을 사용
(D) 타임 컨텍스트 추천 알고리즘
(1) 최근 가장 인기 : 사용자의 가장 최근 가장 인기있는 상품 주어진 시간 T, 최근 기사 난에게 $ n_i의 인기에 추천 (T) $는 다음과 같이 정의 할 수 있습니다 :
itemCF 알고리즘 (2) 시간 문맥
itemCF은 핵심 부분 : 제품 간의 유사성의 사용자 행동 오프라인 계산의 사용, 사용자의 행동과 역사 개체를 기반으로 사용자 수행 온라인 개인 권장 사항을 제공 매트릭스를 유사성.
유사성 행렬 개선 할 수있는 시간 정보 항목을 사용하여 계산 :
수식 $의 F (\ 좌측 | {t_이 {U, 난} -t_이 {U는, J가}} \ 오른쪽 |) $ 감쇠 시간 관련 항목 $의 t_이 {U, 난} $ 사용자를위한 문서 인 U I 중요성이 시간의 함수의 동작은 사용자 .F j에 난 문서의 동작 및 F의 큰 값이 작을수록 간격 문서를 생성하는 시간을 생성하고, 다음과 같은 특정 기능 ($ \ $ 알파 하이퍼 파라미터의 감쇄 계수이며, 다수의 필요 훈련 시간은) 적절한 값을 구하는 방법
예측 시간 사용 정보는 상기 예측 된 결과를 보정 할 필요가있을 때 다음과 마찬가지로, 해당 공식은 :
userCF 알고리즘 (3) 시간 관련 콘텍스트
그리고 itemCF 유사한 접근 방식은 시간 부패 요인이 밖으로 피곤하지 도입, 촬영.
(4)도 기간 모델
기간 그래프 모델 G (U, $ S_U $, 나는, $ \ 시그마 $ w $ S_I $, E는)으로 된 그래프 .U 사용자 노드의 조합, 노드의 $ S_U $ 사용자 기간 설정입니다. 사용자 S_U의 $의 t {에서 \} 기간 노드 $의 V_ {유타}는 사용자와 항상 관심의 기사에 연결됩니다. 내가 항목의 모음입니다, $ S_I $ 기사 기간의 모음입니다. S_I $ {에서 \} 마침표 기사 노드 $의 V_ {이} 내가 행동을 한 시간 t에서 모든 사용자는 문서 가장자리에 의해 연결되어 있습니다. E는 $ E는 (v_u, V_I) {\에서} E의 $가 주로 삼면이 (a) 사용자 행동 아이템 U에게 I를 포함하는 에지들의 집합이며, (b) 만약 문서의 시각 t에서의 사용자 (U) 그때 양측 $ E (V_ {UT} V_I), E (v_u, V_ {그것}) {\에서} E의 $. $ W는 (E) $는 에지의 가중치를 정의 $ \있다 행전 시그마 (예) $는 정점 가중치를 정의합니다. 도 퓨전 알고리즘의 정점을 통해 두 개의 경로 사이의 상관 관계를 계산하는 단계를 포함한다.