论文阅读： App2Vec: Vector Modeling of Mobile Apps and Applications

• 论文数据来源：雅虎
• 数据量：300 million iOS users from one day in February 2015。 三亿用户一天APP的使用情况~~
• 生成APP vector之间评估相似的方法： 余弦相似度。
• 准确性评估标准： 人工审查。定义了strong relevant、relevant、not relevant三个级别。

• 比较方法：

1. BoW（Bag-of-words）：根据APP的描述信息、标签、名字等，TF-IDF提取关键词。计算关键词之间的余弦相似度。
2. BoWCategory：APP应用商店里，在一个类目下的APP更相似。基于此假设，选取APP所属类目下，top n 相似的APP作为相似APP。
3. MFBinary: 矩阵分解，其中初始矩阵中是由0-1填充，表示用户是都使用该app。低秩矩阵user-app。
4. MFIntensity: 矩阵由APP的使用频次填充（某app使用次数/所有APP的使用次数）。
5. word2vecOnApp: APP的使用序列作为sentence，每个APP是一个word，直接训练。
6. app2vec:用户的APP使用序列预处理（加入时间间隔、去冗余），权重根据时间间隔距离越大而越小。

本文提出的模型：改进word2vec的CBOW模型。