基于物品到向量的词嵌入神经网络协同过滤推荐系统算法研究_Item2vec: Neural Item Embedding for Collaborative Filtering
协同过滤(CF)算法都是基于项目的,因为它们分析项目项目关系,以产生项目相似性。最近,自然语言处理领域的一些工作建议使用神经嵌入算法来学习单词的潜在表示。其中,负抽样的跳跃图(SGNS),也称为Word2Vec,被证明在各种语言任务上提供了最先进的结果。在本文中,我们证明了基于项目的CF可以在相同的神经词嵌入框架中进行强制转换。受SGNS的启发,我们描述了一种我们命名为Item2Vec的方法,该方法为潜在空间中的项目产生嵌入。即使用户信息不可用,该方法也能够推断项目到项关系。我们在大规模数据集上进行
原创
2023-03-04 09:01:04 ·
279 阅读 ·
0 评论