基于word2vec的item的Embedding化

一、当前特征工程问题

1、 用户行为序列特征难于描述
2、产品本身具有一定相似性，按照规则分类过于粗糙
3、直接采用normid作为特征，输入模型来训练产品的相关性不合适，normid本身数值不代表normid之间的距离长短。采用常用的One-Hot Encoding存在一些弊端。
4、借鉴NLP中word2vec，将item向量化为Embedding，表示产品本身性质是解决思路之一。

二、知识储备电商推荐系统：从word2vec到item2vec（一）

1、核心思想：借鉴NLP中word2vec，将item向量化
2、基于原理：对于电商推荐来说，不考虑session中的位置关系（即滑动窗口无限大），为基于概率量化item。考虑session中的位置关系（即滑动窗口小于session长度），为基于概率+空间/时间信息（item出现的前后顺序）量化item
3、产物：Embedding，向量化的item，保证线性运算性能具有意义
4、item Embedding化意义：直接用item 作为特征输入只能判断有无属性，不能衡量item之间的关系，Embedding化后可以计算item之间的关系。
4、影响Embedding主要质量因素：session构造是否合理
5、较于One-Hot Encoding：Embedding带有既定的特征信息（如采用用户的行为序列构造session，Embedding带有用户行为的特征），可降低数据的稀疏性（如数据中某列特征属性值较多）
6、包括两种结构：CBOW（session两边预测中间）和Skip-Gram（session中间预测两边）
7、业界常把用户最近一笔订单（浏览）作为用户的短兴趣，一定周期长度的订单（浏览）作为用户的长兴趣
8、代码实现：Python调用包import Word2Vec

三、参考博客：

https://blog.csdn.net/fuzi2012/article/details/91345164
https://www.jianshu.com/p/6c977a9a53de
https://blog.csdn.net/taotiezhengfeng/article/details/73692239