利用上下文信息

时间上下文信息

系统时间特性

1. 数据集每天独立用户增长情况
2. 系统的物品变化情况

(1) 物品的平均在线天数：物品的平均在线天数和物品的流行度成正比。
(2) 相隔T天系统物品流行度向量的平均相似度

1. 用户访问情况：统计用户的平均活跃天数

   推荐系统的时间多样性

2. 保证推荐系统在用户有了新的行为后，及时调整推荐结果，使推荐结果满足用户最近的兴趣。

3. 保证推荐系统在没有用户新的行为时，也能经常变化一下结果，具有一定的时间多样性。

(1) 在推荐结果中加入一定的随机性
(2) 记录用户之前的推荐结果，对已经出现过多次的推荐结果适当降权
(3) 每天给用户使用不同的推荐算法

时间上下文推荐算法

最近最热门

最简单的非个性化推荐算法就是给用户推荐最近最热门的物品。

时间上下文相关的ItemCF算法

1. 物品相似度：用户在间隔很短的时间内喜欢的物品具有更高的相似度

f函数的含义是，用户对物品i和物品j产生行为的时间越远，则f越小

1. 最近行为：优先给用户推荐和他最近喜欢的物品相似的物品

时间上下文相关的UserCF算法

1. 用户相似度：在间隔很短的时间内喜欢相同的物品的用户具有更高的相似度

1. 最近行为：应该给用户推荐和他兴趣相似的用户最近喜欢的物品

地点上下文信息

将数据集划分为一个树状结构，从根节点出发，在到叶子结点的过程中，利用每个中间节点上的数据训练出一个推荐模型，然后给用户生成推荐列表，最终的推荐结果就是这一系列推荐列表的加权