StarSpace是Facebook开源的embedding工具，强调Embed All The Things。它不仅优化了word2vec，还引入了监督学习，使得不同类型的item能有意义地比较。通过调整sim函数和损失函数，StarSpace在推荐系统和文本分类等任务中表现良好。虽然模型简单，但未使用主流框架，适合单机使用。在实际应用中，StarSpace的端到端训练提升了效果，且其提供的query_nn工具方便查询和应用。
StarSpace是facebook开源的一个新的embedding工具包，卖点就是Embed All The Things，也就是名字里star (指’*’通配符) 的含义。
官网 https://github.com/facebookresearch/StarSpace
word2vec有一些后续优化的变种，比如fasttext、starspace。fasttext最大的优化还是加入了subword，但对于中文其实没啥卵用。fasttext详细介绍我博客有。 starspace主要的贡献还是把supervised引入embedding过程，而且提供一些实际问题的处理思路和一个傻瓜代码方便快速实现prototype验证想法，下面具体介绍。
之前把StarSpace的论文打印出来，粗略看了一眼，貌似就是word2vec，再看了一眼，好像还是word2vec啊，说明没有看懂。
其实StarSpace的思路很简单，原始的w2v模型只管预测上下文（softmax分类问题），而StarSpace直接学出上下文两个item的embedding距离要相近。
核心全在这里
然后给出两个很重要的调参结论
sim函数有cosine similarity和inner product。一般用cosine
最低0.47元/天 解锁文章
502
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
