← 返回卡片

原书出处

深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)

13 第13章 Embedding技术在推荐系统中的应用

核验版本的摘录快照 · 导入于 2026-11-19T04:48:36.603Z

而使一些偏好改变,如对租房类型、价格等偏好的改变。 对如此稀疏的数据直接使用word2vec模型进行学习,效果往往较差。

为此,Airbnb推荐系统开发团队想到一个较好的方法:先对用户和房源的属性(type)进行分桶,然后把用户和房源的原始id映射为type_id,将type_id作为实体,学习Embedding。

4. 使Embedding更贴近相关业务 为了使Embedding能更好地体现业务逻辑,Airbnb团队对目标函数进行

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置: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/Chapter17_0001.xhtml

EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da