深度学习推荐系统实战
王喆
Roku资深机器学习工程师,推荐系统架构负责人,前Hulu高级研究员,《深度学习推荐系统》作者
新⼈⾸单¥19.9
2518 人已学习
课程目录
已更新 9 讲 / 共 35 讲
0/4登录后,你可以任选4讲全文学习。
开篇词 (1讲)
开篇词|从0开始搭建一个深度学习推荐系统
免费
基础架构篇 (3讲)
01|深度学习推荐系统的经典技术架构长啥样?
02|Sparrow RecSys:我们要实现什么样的推荐系统?
03|深度学习基础:你打牢深度学习知识的地基了吗?
国庆策划 (2讲)
国庆策划 | 关于深度学习推荐系统,我有这些资料想推荐给你
国庆策划 | 深度学习推荐系统基础,你掌握了多少?
特征工程篇 (3讲)
04|特征工程:推荐系统有哪些可供利用的特征?
05|特征处理:如何利用Spark解决特征处理问题?
06|Embedding:所有人都在谈的Embedding技术到底是什么?
深度学习推荐系统实战
15
15
1.0x
00:00/00:00
登录|注册

06|Embedding:所有人都在谈的Embedding技术到底是什么?

王喆 2020-10-14
你好,我是王喆。今天我们聊聊 Embedding。
说起 Embedding,我想你肯定不会陌生,至少经常听说。事实上,自从五六年前深度学习流行起来,Embedding 就频繁地出现在各种学术论文、公众号文章以及技术分享里,它也成为深度学习推荐系统方向最火热的话题之一。
但是 Embedding 这个词又不是很好理解,你甚至很难给它找出一个准确的中文翻译,如果硬是翻译成“嵌入”“向量映射”,感觉也不知所谓。所以,索性我们就还是用 Embedding 这个叫法吧。
那这项技术到底是什么,为什么它在推荐系统领域这么重要?最经典的 Embedding 方法 Word2vec 的原理细节到底长啥样?这节课,我们就一起来聊聊这几个问题。

什么是 Embedding?

简单来说,Embedding 就是用一个数值向量“表示”一个对象(Object)的方法,我这里说的对象可以是一个词、一个物品,也可以是一部电影等等。但是“表示”这个词是什么意思呢?用一个向量表示一个物品,这句话感觉还是有点让人费解。
这里,我先尝试着解释一下:一个物品能被向量表示,是因为这个向量跟其他物品向量之间的距离反映了这些物品的相似性。更进一步来说,两个向量间的距离向量甚至能够反映它们之间的关系。这个解释听上去可能还是有点抽象,那我们再用两个具体的例子解释一下。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《深度学习推荐系统实战》,如需阅读全部文章,
请订阅文章所属专栏新⼈⾸单¥19.9
立即订阅
登录 后留言

精选留言(3)

  • 杜军
    期待王老师的 Graph Embedding 讲解,能否配合一个 notebook 的示例就更完美了
    2020-10-14
    1
  • 鱼_XueTr
    1.向量投影,即余弦相似度,2.计算模比较大小,各种距离,比如欧式距离,3.KNN
    2020-10-14
  • pedro
    相似性的计算,实质是向量相似性的计算,大家都知道的有余弦相似性,街区距离等,复杂一点的有EMD,还有我也不知道😂
    2020-10-14
收起评论
3
返回
顶部