基于全局有向图的商品会话序列推荐算法

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况, 在一定程度上丢失整体商品访问趋势的问题, 提出一种新的基于全局有向图的商品会话序列推荐算法. 首先, 构建商品会话序列全局有向图, 图中节点为商品, 节点间的弧表示点击次序, 并用图数据库存储该有向图； 其次, 给出在有向图上的全局偏好传播策略, 同时考虑点击时间因素对推荐的重要影响； 最后, 获得待推荐商品的评分. 在Diginetica和Yoochoose标准数据集上, 该算法根据P@20标准, 比传统Item-KNN方法推荐准确率分别提升了6.12%和30.25%; 根据MRR@20标准, 则分别提升了15.04%和33.88%. 实验结果表明, 该全局有向图搜索和评分策略有效.     

计算双连环图G（N,S1,S2）的直径

双连环网Ｇ（Ｎ，Ｓ１，Ｓ２０在计算机局域网设计中有重要应用，对其直径的计算和估计更是问题的关键所在。国外早在７０年代就有人在研究Ｇ（Ｎ，１，Ｓ），并对其直径的计算和估计得到了许多结果。国内也有人讨论Ｇ（Ｎ，Ｓ１，Ｓ２），对其直径的计算提出了一种有效方法，但作者发现其证明并不完善，经新定义了同余式ｘＳ１＋ｙＳ２＝０（ｍｏｄＮ）的最小非零解并证明了其唯一性后，作者用初等数论的方法给出了其结果的严格证明