知识卡片
阿里Graph Embedding实践
阿里的商品图方案把用户会话中的浏览轨迹转成图:先按会话构建浏览序列,再依据先后共现建立带权有向边形成商品图,然后随机游走采样出序列并用 Skip-Gram 嵌入。面对淘宝海量数据带来的可扩展性、数据稀疏性与新物品冷启动三大挑战,团队给出三级方案:BGE 用 DeepWalk 学习节点向量;GES 叠加 category、brand、price 等 Side Information 的 Embedding 并求均值;EGES 进一步为物品与各侧信息学习不同权重来聚合。这一实践展示了 Graph Embedding 从理论到工业级推荐的完整落地路径。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第1章 万物皆可嵌入 · 查看原书依据
这些轨迹或图形中隐含着丰富的信息,如用户对物品(Item)的偏好、用户相似关系、各物品的优劣、物品广告的宣传效果、物品之间的依赖关系、物品与用户的关系等
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第1章 万物皆可嵌入(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter4_0005.xhtml)
- 结论依据:原文按四个步骤描述了阿里把用户行为转成商品图并嵌入的流程,并列出可扩展性、稀疏性、冷启动问题与 BGE/GES/EGES 对应解法。
- 原始内容:这些轨迹或图形中隐含着丰富的信息,如用户对物品(Item)的偏好、用户相似关系、各物品的优劣、物品广告的宣传效果、物品之间的依赖关系、物品与用户的关系等