没有看明白的论文---Recommendation with Temporal Dynamics Based on Sequence Similarity Search

贡献：

1. 解决推荐时间问题+人偏好的变化
2. 聚类+相似性度量+推荐算法

In SeqSim, in order to improve the efficiency of similarity search, we design a new temporal clustering algorithm to transform item sequence into cluster sequence. In order to measure sequence similarity, a new similarity algorithm is proposed. And we propose a new algorithm with preference curve based on collaborative filtering to make recommendations.

第二章 Temporal Clustering Algorithm and Similarity Measure

 2.1 用户给item打分相似度：

 

2.2 节点特征相似度：

把属性，item都当成节点，用SimRank计算相似度：

 

 2.3 时间相似度：

遍历所有u和两个不同item：c,d交互的情况，记录最近的时间间隔，然后求平均再归一化。（8）式子分母的集合没搞明白啥意思

 2.4 两个item的综合相似度就是上面各部分加到一起去

然后根据相似度，使用HAC进行聚类--分层聚类（从底向上找最相似两个簇（点），他俩通过某种方式合成新的簇（点）重复上面步骤。像什么树的构建来着？）

 

第三章 序列相似性--不会--看不懂--头大

这个cluster是什么，为什么共享一个时间戳？如果是HAC得到的簇的话，时间如何计算的？

论文核心的序列过于复杂，看不懂

。。。

---

 

---

想要学学图上时间信息怎么处理来着。。。太难了，那天闲着看看明白了再更新