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
其实就是对物品进行Embedding 的过程。该模型被称为“双塔模型”,因此以下将广告侧的模型结构称为“物品塔”。那么,
“物品塔”起到的作用本质上是接收物品相关的特征向量。经过物品塔内的多层神经网络结构,最终生成一个多维的稠密向量。从Embedding的角度看,这个稠密向量其实就是物品的 Embedding 向量,只不过 Embedding模型从 Word2vec 变成了更为复杂灵活的“物品塔”模型
,输入特征由用户行为序列生成的one-hot特征向量,变成了可包含更多信息的、全面的物品特征向量。二者的最终目的都是把物
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