-
metapath2vec
论文 metapath2vec: Scalable Representation Learning for Heterogeneous Networks
异构图初代,主要目标是network embedding,获得节点低维映射以便进行下游任务
本文提出了metapath2vec和metapath2vec++两种模型,思路:随机游走获得元路径+skipgram+logloss
下图能够比较清晰地体现论文中的网络结构:
缺点:效果一般,onehot输入简单粗暴,将不同类型节点映射到同一向量空间显得不太合理 -
EGES kdd2018
上述paper1中随机游走+skipgram在阿里巴巴双11主会场个性化推荐页上的应用。
论文:Billion-scale Commodity Embedding for E-commerce
Recommendation in Alibaba
过用户行为历史构建item图,学习图上所有item的embedding。为了图表示学习中稀疏性和冷启动问题,提出了两种方法结合item embedding和side information。该方法部署在淘宝平台,CTR取得了明显提高。本文关注的问题在推荐系统的matching(召回)阶段。
思路如上图,比如u2用户历史行为上午BE下
异构图前世今生
最新推荐文章于 2024-05-31 15:18:55 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)