邓生2020-11-26关于使用embedding进行召回，其实我搞不懂为什么是用户和物品的embedding计算相似度，不应该是物品跟物品进行相似度计算，用户跟用户之间进行相似度计算吗？为什么物品和人之间可以直接进行embedding相似度计算，这在逻辑上想不通。作者回复: 因为这里user的embedding是通过把历史观看物品进行average得到的，所以他们在一个向量空间内，可以直接进行相似度计算。
共 6 条评论54
Geek_63ee392020-10-28请教老师一个问题，文中提到: “多路召回中使用的“兴趣标签”“热门度”“流行趋势”“物品属性”等信息都可以作为 Embedding 方法中的附加信息（Side information），融合进最终的 Embedding 向量中” 我想有两种实现方式: 1. 对于用户高评分（大于3.5）的电影序列，通过item2vec得到每个物品的embedding向量（假设长度为10），并在向量第11位添加物品的兴趣标签，第12位添加物品热门度，依次类推。 2. 不采用item2vec，而是其他某种方式将物品所有维度的信息（包括“兴趣标签”“热门度”“流行趋势”“物品属性”等）统一地进行embedding。 对于第一种方式，每一个维度的附加信息权重相同，这是否合理?另外对于电影类型这种类别型特征，采用multi-hot编码附加到embedding向量后面，是否合理。 对于第二种方式，我还不知道怎样实现。 请问老师，实际生产中较好的实现方式是怎样的呢？作者回复: 生产环境中一般不使用第一种方法。第二种方法可以参考阿里的EGES，大致的思路是把这些原始特征作为输入向量，用隐层的输出作为物品的embedding。 有兴趣的话可以阅读下面的论文原文。 https://github.com/wzhe06/Reco-papers/blob/master/Embedding/%5BAlibaba%20Embedding%5D%20Billion-scale%20Commodity%20Embedding%20for%20E-commerce%20Recommendation%20in%20Alibaba%20%28Alibaba%202018%29.pdf
33
gallup2020-11-12请问老师，多路召回中，topk除了根据经验值确定，业界通用的是怎么确定k得大小呢作者回复: 在系统延迟允许的情况下，其实k取的越大越好。 一般来说，如果最后的推荐结果需要n条，k取5-10n是比较合适的。
共 2 条评论28
萬里長空2020-10-29老师,关于EGES的训练,试了下,由于电商领域商品维度非常大,即使hash后也很大,这导致训练非常慢,这个一般怎么解决啊?作者回复: 非常好的业界实践的问题。其实方法无非是我们提到过的几种。 1、把商品embedding进行预训练，再跟其他side information特征一起输入EGES。 2、像你说的hash方法 3、商品的聚类后输入，比如非常类似的商品，可以用一个商品id替代，当作一个商品来处理。这个方法airbnb embedding的论文讲的非常好。
23
Geek_seven2021-08-14请问老师，在业界中，通常的做法是会将embedding召回替换掉多路召回，还是会将embedding召回作为多路召回中一路召回呢？谢谢~作者回复: 后者
共 2 条评论13
Jerome2020-11-17请问下老师，在生成用户embedding的过程中我看你的逻辑是将该用户所有观看电影的embedding通过拉链进行叠加后最终生成，请问这种方法有什么根据吗或者说是原理呢，还是说这个是基于经验呢？作者回复: 这是最常用最简单的user embedding生成方法。之前我们说过embedding之间是可以进行运算的。所以用用户喜欢的物品的embedding平均去代表这个用户是非常直观且实用的。
共 4 条评论13
王宁2020-11-10老师，你好，我看了您推荐给其他同学的阿里的EGES算法的论文，那个论文里面的EGES模型图的最底层是Sparse feature，论文中是说这一层是比较倾向于用one- hot编码的，不管side information的one-hot编码，一般item的数量会很多很多，对item本身的向量表示直接用one-hot的话，那embedding matrix是不是会很大，这样是合适的吗？我不确定自己是不是看懂了，希望老师可以帮我解答一下，谢谢老师！作者回复: 是的，one-hot特征肯定会让embedding matrix很大，但就是这样使用的，因为我们就是想求解每一个维度上对应item的embedding。 这也就是为什么说embedding层是神经网络中最耗时的部分的原因。
10- Geek_e0d66a2020-10-29请问老师，如果基于兴趣标签做召回，同一个物品，有多个标签，而用户也计算了出了多个兴趣标签，那么怎么做用户的多兴趣标签与物品的最优匹配呢？还有物品的标签有多层，那么怎么利用上一层的标签呢？
作者回复: 这是个好问题。简单的做法是把兴趣标签转换成multihot向量，然后就可以计算出用户和物品的相似度了。 复杂一点也可以计算每个兴趣标签的tfidf，为标签分配权重后，再转换成multihot向量。 如果标签有多层，也不妨碍把多层标签全部放到multihot向量中，高层标签的权重可以适当降低。这也是思路之一。 希望你自己也能有类似的思考。
共 5 条评论10 - Geek_63ee392020-10-29课后思考1： 1. 在类SimilarMovieProcess中实例化一个线程池ThreadPoolExecutor作为静态成员变量 2. 方法multipleRetrievalCandidates中的候选集candidateMap使用ConcurrentHashMap替代HashMap 3. 风格类型、高分评价、最新上映三种召回的过程使用线程池实例（共三个线程）去执行 4. 判断三个线程执行完后返回结果 不知道这种方式有没有不足？
作者回复: 基本就是这样的思路，生产环境中要做好线程池的维护和一些参数的调优。 可以的话欢迎提交多线程版本的pull request到SparrowRecsys项目
9 
大钰儿2020-11-02如果新item特别多(每秒可能几十到上百）对item展示的实时性要求较高（小于五分钟就需要曝光）这些item的embedding该如何更新呢？作者回复: 这还是冷启动问题，我之前有过类似的回复，可以参考。 另外其实我不建议如此多的新item还采用embedding的方案，没有必要，可以考虑在重排层加入这些新鲜的item。用一些基本的特征参与重排，简单模型虽然传统，但在特殊的场景下也经常采用。
8