item2Vector

目录

简介

从word2vec到item2vec

参考

---

简介

最早看到Item2vec是微软研究院的Neural Item Embedding for Collaborative Filtering，发表于2016年ICML。本文主要是对这篇论文做一些介绍，Item2vec主要思想是借鉴了Word2Vec，并且采用SGNS（Skip-gram + Negative Sampling，思想是用中心词预测周围的词）的方法来生成物品向量，最后只需要计算当前浏览的物品与其它物品的向量相似度，从而找到相似物品。一般像电商网站的“看了也看”、“买了也买”、“相似物品”模块比较适合应用Item2Vec算法。

主要做法是把item视为word，用户的行为序列视为一个集合，item间的共现为正样本，并按照item的频率分布进行负样本采样，缺点是相似度的计算还只是利用到了item共现信息，1).忽略了user行为序列信息; 2).没有建模用户对不同item的喜欢程度高低。

Item2Vec这个名词的由来：在隐空间中产生的item embeding向量用在基于item的协同过滤，这种方法称之为item2vec。（原文：we name Item2Vec for item-based CF that produces embedding for items in a latent space）

 Item2vec中把用户浏览的商品集合等价于word2vec中的word的序列，即句子（忽略了商品序列空间信息spatial information） 。出现在同一个集合的商品对视为 positive。利用SGD方法学习的目标函数max，得到每个商品的embedding representation，商品之间两两计算cosine相似度即为商品的相似度。

从word2vec到item2vec

在word2vec诞生之后，embedding的思想迅速从NLP领域扩散到几乎所有机器学习的领域，我们既然可以对一个序列中的词进行embedding，那自然可以对用户购买序列中的一个商品，用户观看序列中的一个电影进行embedding。而广告、推荐、搜索等领域用户数据的稀疏性几乎必然要求在构建DNN之前对user和item进行embedding后才能进行有效的训练。

具体来讲，如果item存在于一个序列中，item2vec的方法与word2vec没有任何区别。而如果我们摒弃序列中item的空间关系，在原来的目标函数基础上，自然是不存在时间窗口的概念了，取而代之的是item set中两两之间的条件概率。

懂了w2v，把w换成i就是i2v了。有点小区别就是，w2v里样本是“句子”产生的，所以是有顺序的，i2v里的item其实是set，可以认为无序。也就是说，一个用户的所有观看（举例而言的，其实有时候观看完成度太低是不算正样本的，而且会有长度限制、时效限制）构成set，set里item两两互为正样本。
链接：https://www.jianshu.com/p/0ecc53bba169

参考

Item2vec
Item2Vector原理、在推荐系统中的应用、代码注解
Item2vec

个性化召回算法实践item2vec

https://arxiv.org/vc/arxiv/papers/1603/1603.04259v2.pdf