← 返回卡片

原书出处

深度学习推荐系统

04 第4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 2026-11-19T07:39:55.622Z

,类比Word2vec,Item2vec的优化目标如(式4-4)所示。 通过观察(式4-1)和(式4-4)的区别会发现,

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。

在优化目标定义好之后,Item2vec剩余的训练过程和最终物品Embedding的产生过程都与Word2vec完全一致

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/深度学习推荐系统/_epub-src/text/part0008_split_003.html

EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382