1. item2vec 作為 word2vec 模型的推廣，理論上可以利用任何序列型資料生成物品的 embedding 向量, 這大大拓展了 word2vec 的應用場景。廣義上的 item2vec 模型其實是物品向量化方法的統稱，它可以利用不同的深度學習網路結構對物品特徵進行 embedding 化。
2. item2vec 方法也有其侷限性，因為只能利用序列型資料，所以 item2vec 在處理網際網路場景下大量的網路化資料時往往顯得捉襟見肘，這就是 graph embedding 技術出現的動因
item2vec 是建立在 「序列」 樣本 (e.g. 使用者行為序列) 的基礎上的。而在網際網路場景下，資料物件之間更多呈現的是圖結構。典型的場景是由使用者行為資料生成的物品關係圖，以及由屬性和實體組成的知識圖譜 (knowledge graph)。在面對圖結構時，傳統的序列 embedding 方法就顯得力不從心了。在這樣的背景下，graph embedding 成了新的研究方向，並逐漸在深度學習推薦系統領域流行起來。
graph embedding 是一種對圖結構中的節點進行 embedding 編碼的方法。最終生成的節點 embedding 向量一般包含圖的結構資訊及附近節點的區域性相似性資訊。
deepwalk 的主要思想是在由物品組成的圖結構上進行隨機遊走，產生大量物品序列，然後將這些物品序列作為訓練樣本輸入 word2vec 進行訓練，得到物品的 embedding。因此，deepwalk 可以被看作連線序列 embedding 和 graph embedding 的過渡方法。
MATLAB中的ind2vec和vec2ind函式
先說容易理解的vec2ind吧，從命令名字上可以看出是 向量變索引 假設乙個3 6的稀疏矩陣t 1,0 1 0 0 1 0 t 2,1 0 1 1 0 0 t 3,0 0 0 0 0 1 通過vec2ind t 將會得到什麼？因為通過矩陣知道t是6列的，t 0 1 0 0 1 0 1 0 1 1 0...
使用word2vec的幾種方法
使用word2vec的幾種方法 先導入可能用到的包 from gensim.models import word2vec import gensim.models.word2vec as w2v第一種 語料放在檔案裡面，這個語料是先要分好詞的 source code path data source...
word2vec 和 glove 模型的區別
2019 09 09 15 36 13 問題描述 word2vec 和 glove 這兩個生成 word embedding 的演算法有什麼區別。問題求解 glove global vectors for word representation 與word2vec，兩個模型都可以根據詞彙的 共現 c...