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
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
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