item2vec是基于word2vec的推荐算法，它通过将用户行为序列转换为item组成的“句子”，利用word2vec训练得到item的embedding，从而捕捉item之间的隐含相似性。然而，该算法存在用户行为序列时序性缺失和行为强度无区分性的缺陷。主要流程包括抽取用户行为序列、训练word2vec得到item embedding，以及计算item相似度用于推荐。
item2vec的原型：word2vec
一、背景
1. Item2item的推荐方式效果显著：
很多场景下item2item的推荐方式要优于user2item；
item2item的推荐方式：在获取item相似度矩阵之后，根据用户的最近的行为，根据行为过的item找到相似的item，完成推荐，如itemCF。
user2item：根据用户的基本属性和历史行为等基于一定的模型，算出最可能喜欢的item列表写在KV存储中；当用户访问系统的时候，将这些item列表推荐给用户，像userCF、LFM、personal rank算法等。
2. NN model的特征抽象能力
深层要比浅层的特征抽象能力更强，主要有两方面原因：
（1）输入层与隐含层之间是全连接；
（2）激活函数的去线性化；
基于上述，基于神经网络的item2item的个性化召回算法item2vec也就在这个大背景下产生了。
二、物理意义
在介绍item2item之前，先介绍一下原型word2vec。
1. word2vec
根据所提供的语料，语料可以想象成一段一段的文字，将语料中的词embedding成词向量，embedding成词向量之间的远近可以表示成词与词之间的远近。
2. item2item
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
