论文笔记-Item2Vec- Neural Item Embedding for Collaborative Filtering

将word2vec思想拓展到序列item的2vec方法并运用到推荐系统中,实质上可以认为是一种cf

 

在word2vec中,doc中的word是具有序列关系的,优化目标类似在max对数似然函数

 

 应用在item2vec上,可以有两种看待方式:

(1)如果item是强时序关系的,那么对某一次序列中的item,可以看成doc中的word,对其进行word2vec

(2)如果item是set-based,不用考虑时序,那么可能需要对word2vec进行变形

 

论文中对第二种情况进行了描述,有两种变形方式

(1)改变滑动窗口,不再使用定长c,还是根据set的size灵活变化(也就是对整个set里的word进行两两组合成样本)

(2)在训练过程中对每个set随机shuffle

 

论文中使用的两个数据集,一是用户收听的音乐歌手数据,一个是订单以及其中goods的数据

在推荐上,可以是用户一次浏览序列里面的item,用户豆列里的item,等等

可以看到word2vec在构建集合内item关系时很有用处

 

参考:

https://zhuanlan.zhihu.com/p/27234078

https://zhuanlan.zhihu.com/p/24339183

转载于:https://www.cnblogs.com/akanecode/p/8093715.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值