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
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
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