知识卡片
Item2vec与Word2vec之别
Item2vec把Word2vec从词序列推广到用户行为序列,用浏览、购买等历史记录中的物品生成物品Embedding。它和Word2vec的唯一区别在于对序列相关性的假设:Word2vec认为只有时间窗口内的词相关,Item2vec摒弃了时间窗口,认为序列中任意两个物品都相关,目标函数因此变成两两物品对数概率的和。用户向量则更多由行为历史中的物品向量平均或聚类得到,有了用户和物品向量就能在召回层快速取候选或在排序层直接排序。训练流程和查找表与Word2vec完全一致。
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4章 Embedding技术在推荐系统中的应用 · 查看原书依据
Item2vec与Word2vec唯一的不同在于,Item2vec摒弃了时间窗口的概念,认为序列中任意两个物品都相关,因此在Item2vec的目标函数中可以看到,其是两两物品的对数概率的和,而不仅是时间窗口内物品的对数概率之和。
参考来源
- 位置:《深度学习推荐系统》第4章 Embedding技术在推荐系统中的应用(源文件:extracted/深度学习推荐系统/_epub-src/text/part0008_split_003.html)
- 结论依据:原文4.3.1节指出Item2vec摒弃时间窗口、认为序列中任意两物品相关,并说明用户向量由历史物品向量平均或聚类得到、训练过程与Word2vec一致。
- 原始内容:Item2vec与Word2vec唯一的不同在于,Item2vec摒弃了时间窗口的概念,认为序列中任意两个物品都相关,因此在Item2vec的目标函数中可以看到,其是两两物品的对数概率的和,而不仅是时间窗口内物品的对数概率之和。