基于凑单算法对Graph embeding在广告触发上的思考

凑单算法zhon中的Graph embeding:

核心为一下两部分：

1.  基于图的随机采样

1.1 图的构建

节点：item; 边：item与item 共同被购买； 边权重是：共同购买的次数、时间

1.2 采样《item,item》

正样本：基于权重概率采样

负样本：随机取无共同购买的item

2.  embeding + DNN有监督分类

1.1 样本: 与graph有异。

某用户在某一天的行为可以记为(m1,r1),(m2,r2),…,(mn,rn)(m1,r1),(m2,r2),…,(mn,rn)其中mi∈M,ri∈{0,1}mi∈M,ri∈{0,1}，此处MM表示商品的集合，ri=1ri=1表示用户购买了mimi，反之则只是点击而没有购买。对于用户行为序列中的任意两个商品，我们将商品对x=(mi,mj)x=(mi,mj)标记为正例t=1t=1，如果ri=1∧rj=1ri=1∧rj=1；否则标记为负例t=0t=0。以此我们构造了二分类任务的数据D={(x,t)}D={(x,t)}。

1.2模型优化：损失函数考虑负样本的可信度，因为同一个负采样对，在不同用户的正负不一致。因为对同一个item 不同对应负item添加了一个间隔r失模块。

3. 感触

真真假假