← 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

Embedding方法 早期,影响力较大的Graph Embedding方法是于2014年提出的DeepWalk[7],

它的主要思想是在由物品组成的图结构上进行随机游走,产生大量物品序列,然后将这些物品序列作为训练样本输入 Word2vec 进行训练,得到物品的Embedding。因此,DeepWalk可以被看作连接序列Embedding和Graph Embedding的过渡方法。

论文 Billion-scale Commodity Embedding for E-commerce Recomme

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_004.html

EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382