https://index.zshipu.com/geek/tags/Embedding/ Recent content in Embedding on 知识铺的博客 Hugo -- gohugo.io zh-CN Tue, 15 Mar 2022 11:45:55 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%BD%91%E6%98%93%E4%B8%A5%E9%80%89%E5%85%A8%E8%83%BD%E9%80%89%E6%89%8B%E5%8F%AC%E5%9B%9E%E8%A1%A8%E5%BE%81%E7%AE%97%E6%B3%95%E5%AE%9E%E8%B7%B5/ Tue, 15 Mar 2022 11:45:55 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%BD%91%E6%98%93%E4%B8%A5%E9%80%89%E5%85%A8%E8%83%BD%E9%80%89%E6%89%8B%E5%8F%AC%E5%9B%9E%E8%A1%A8%E5%BE%81%E7%AE%97%E6%B3%95%E5%AE%9E%E8%B7%B5/ 分享嘉宾：潘胜一 网易严选 算法专家 ,严选人工智能部搜索推荐负责人。团队负责的业务包括搜索、推荐、内外部广告、用户模型等。 编辑整理：许建军 出品平台：DataFunTalk 导读： 本文主要分享 “全能选手” 召回表征算法实践。首先简单介绍下业务背景： 网易严选人工智能部 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9C%A8%E8%85%BE%E8%AE%AF%E5%BA%94%E7%94%A8%E5%AE%9D%E7%9A%84%E6%8E%A8%E8%8D%90%E5%AE%9E%E8%B7%B5/ Tue, 15 Mar 2022 11:27:28 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9C%A8%E8%85%BE%E8%AE%AF%E5%BA%94%E7%94%A8%E5%AE%9D%E7%9A%84%E6%8E%A8%E8%8D%90%E5%AE%9E%E8%B7%B5/ 作者：carloslin，腾讯 PCG 应用研究员 Embedding 技术目前在工业界以及学术界中应用非常广泛，关于 Embedding 的探索和应用从未停歇。Embedding 的训练方法主要分成 DNN 的端到端的方法以及序列学习的非端到端的方法，其中最经典的 word2vec 以及由此衍生出 sentence2vec，doc2vec，item2ve https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%8A%80%E6%9C%AF%E5%9C%A8%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%B8%AD%E7%9A%84%E5%AE%9E%E8%B7%B5%E6%80%BB%E7%BB%93/ Tue, 15 Mar 2022 11:20:30 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%8A%80%E6%9C%AF%E5%9C%A8%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%B8%AD%E7%9A%84%E5%AE%9E%E8%B7%B5%E6%80%BB%E7%BB%93/ 作者：minwxwang，腾讯 PCG 应用研究员 当前主流的推荐系统中，embedding 无处不在，从一定意义上可以说，把 embedding 做好了，整个推荐系统的一个关键难题就攻克了。因此，本文总结了移动腾讯网推荐系统中的 embedding 技术实践，力图达到娱人娱己的目的。 什么是 embedding embedding 其实就是一种稠密向量的表示形式。在 embedding https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%90%8C%E5%9F%8E%E6%8A%80%E6%9C%AF%E5%9C%A8%E6%88%BF%E4%BA%A7%E6%8E%A8%E8%8D%90%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8/ Tue, 15 Mar 2022 10:51:07 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%90%8C%E5%9F%8E%E6%8A%80%E6%9C%AF%E5%9C%A8%E6%88%BF%E4%BA%A7%E6%8E%A8%E8%8D%90%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8/ 分享嘉宾：周彤 58同城 资深算法工程师 编辑整理：吴雪松 内容来源：58 推荐系统技术沙龙 出品平台：DataFunTalk 导读： 在深度学习的应用过程中，Embedding 这样一种将离散变量转变为连续向量的方式为神经网络在各方面的应用带来了极大的扩展，有"万物皆可 Embeddin https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%87%E7%89%A9%E7%9A%86%E4%BB%8E%E7%BB%8F%E5%85%B8%E7%9A%84%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%9F%BA%E6%9C%AC%E6%93%8D%E4%BD%9C/ Tue, 15 Mar 2022 10:44:03 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%B8%87%E7%89%A9%E7%9A%86%E4%BB%8E%E7%BB%8F%E5%85%B8%E7%9A%84%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%9F%BA%E6%9C%AC%E6%93%8D%E4%BD%9C/ 这里是 王喆的机器学习笔记 的第四篇文章，之前我们一起讨论了阿里的DIN，YouTube的深度学习推荐系统，本来今天想再分享另一篇科技巨头的业界前沿文章， Airbnb的Embedding方法 但因为文章中涉及word2vec的技术细节，为了保证一些初学者的知识是自洽的，我还是想在此之前 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BB%8E%E7%9C%8B%E5%AE%9E%E6%97%B6%E6%90%9C%E7%B4%A2%E6%8E%92%E5%BA%8F%E4%B8%AD%E7%9A%84%E6%8A%80%E5%B7%A7/ Tue, 15 Mar 2022 09:30:53 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BB%8E%E7%9C%8B%E5%AE%9E%E6%97%B6%E6%90%9C%E7%B4%A2%E6%8E%92%E5%BA%8F%E4%B8%AD%E7%9A%84%E6%8A%80%E5%B7%A7/ 这里是 「王喆的机器学习笔记」 的第八篇文章，今天我们聊一聊KDD 2018的Best Paper，Airbnb的一篇极具工程实践价值的文章 Real-time Personalization using Embeddings for Search Ranking at Airbnb 。 相信大家已经比较熟悉我选择计算广告和推荐系统相关文章的标准： 工程导向的； 阿里、facebook、google等一线互联网公司出品 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%AE%BA%E6%96%87%E7%9A%84%E5%AE%9E%E8%B7%B5%E5%92%8C%E6%80%9D%E8%80%83/ Tue, 15 Mar 2022 09:20:51 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%AE%BA%E6%96%87%E7%9A%84%E5%AE%9E%E8%B7%B5%E5%92%8C%E6%80%9D%E8%80%83/ 以下文章来源于搜索与推荐Wiki ，作者Thinkgamer 其实在19年初的时候大概看了一下这篇论文，但当时其实理解的并不深，今天再读的时候发现这里边其实包含了很多东西，不仅是学术性的目标函数优化，也包括工程性的取舍和特征的构造。 本文分为两部分，第一部分主要介绍论文，第二部分谈从中 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BD%BF%E7%94%A8%E5%B5%8C%E5%85%A5%E6%9D%A5%E5%81%9A%E4%B8%AA%E6%80%A7%E5%8C%96%E7%9A%84%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E6%9D%A5%E8%87%AA/ Tue, 15 Mar 2022 09:20:48 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BD%BF%E7%94%A8%E5%B5%8C%E5%85%A5%E6%9D%A5%E5%81%9A%E4%B8%AA%E6%80%A7%E5%8C%96%E7%9A%84%E6%90%9C%E7%B4%A2%E6%8E%A8%E8%8D%90%E6%9D%A5%E8%87%AA/ 作者：Mihajlo Grbovic 编译：ronghuaiyang 英文原文： https://medium.com/airbnb-engineering/listing-embeddings-for-similar-listing-recommendations-and-real-time-personalization-in-search-601172f7603e 导读： 这是Airbnb的一篇经典文章的解读，使用房屋的嵌入来做搜索推荐，这篇文章也是KDD2018的best paper，思路很清楚：把房屋用嵌入向量来表示，两个技巧：全局正样本和市场内负采样，很有效，离线评估指标：预 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%85%BE%E8%AE%AF%E6%8A%80%E6%9C%AF%E5%B7%A5%E7%A8%8B%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E6%8A%80%E6%9C%AF%E5%AE%9E%E8%B7%B5%E6%80%BB%E7%BB%93/ Tue, 15 Mar 2022 09:18:06 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%85%BE%E8%AE%AF%E6%8A%80%E6%9C%AF%E5%B7%A5%E7%A8%8B%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E6%8A%80%E6%9C%AF%E5%AE%9E%E8%B7%B5%E6%80%BB%E7%BB%93/ 作者：minwxwang，腾讯 PCG 应用研究员 当前主流的推荐系统中，embedding 无处不在，从一定意义上可以说，把 embedding 做好了，整个推荐系统的一个关键难题就攻克了。因此，本文总结了移动腾讯网推荐系统中的 embedding 技术实践，力图达到娱人娱己的目的。 什么是 embedding embedding 其实就是一种稠密向量的表示形式。在 embedding https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BB%8E%E5%88%B0%E6%A8%A1%E5%9E%8B%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%E4%B8%AD%E7%9A%84%E9%A2%84%E8%AE%AD%E7%BB%83%E6%8A%80%E6%9C%AF%E5%8F%91%E5%B1%95%E5%8F%B2/ Tue, 15 Mar 2022 09:08:40 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BB%8E%E5%88%B0%E6%A8%A1%E5%9E%8B%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%E4%B8%AD%E7%9A%84%E9%A2%84%E8%AE%AD%E7%BB%83%E6%8A%80%E6%9C%AF%E5%8F%91%E5%B1%95%E5%8F%B2/ Bert最近很火，应该是最近最火爆的AI进展，网上的评价很高，那么Bert值得这么高的评价吗？我个人判断是值得。那为什么会有这么高的评价呢？是因为它有重大的理论或者模型创新吗？其实并没有，从模型创新角度看一般，创新不算大。但是架不住效果太好了，基本刷新了很多NLP的任务的最好性能 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%B8%AD%E7%A8%80%E7%96%8F%E7%89%B9%E5%BE%81%E7%9A%84%E4%BC%98%E5%8C%96%E8%A1%A8%E7%A4%BA%E6%96%B9%E6%B3%95/ Tue, 15 Mar 2022 09:08:40 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%B8%AD%E7%A8%80%E7%96%8F%E7%89%B9%E5%BE%81%E7%9A%84%E4%BC%98%E5%8C%96%E8%A1%A8%E7%A4%BA%E6%96%B9%E6%B3%95/ 张俊林 导读: 推荐或者 CTR 预估任务有一个很突出的特点：存在海量稀疏特征。海量意味着数量巨大，稀疏意味着即使在很大的训练数据里，大量特征出现频次也非常低，这往往是由于引入了大量 ID 类特征带来的。对于 DNN 排序系统，是否能够找到好的特征 Embedding 表达方式，对于系统效果是至关重要的。 虽然说，如何更好地表 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BB%8E%E5%85%A5%E9%97%A8%E5%88%B0%E4%B8%93%E5%AE%B6%E5%BF%85%E8%AF%BB%E7%9A%84%E5%8D%81%E7%AF%87%E8%AE%BA%E6%96%87/ Tue, 15 Mar 2022 09:08:33 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BB%8E%E5%85%A5%E9%97%A8%E5%88%B0%E4%B8%93%E5%AE%B6%E5%BF%85%E8%AF%BB%E7%9A%84%E5%8D%81%E7%AF%87%E8%AE%BA%E6%96%87/ 作者： 王喆 今天我们不分析论文，而是总结一下 Embedding方法的学习路径，这也是我三四年前从接触word2vec，到在推荐系统中应用Embedding，再到现在逐渐从传统的sequence embedding过渡到graph embedding的过程，因此该论文列表在应用方面会对推 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%8A%80%E6%9C%AF%E5%9C%A8%E6%B0%91%E5%AE%BF%E6%8E%A8%E8%8D%90%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8/ Tue, 15 Mar 2022 09:08:31 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%8A%80%E6%9C%AF%E5%9C%A8%E6%B0%91%E5%AE%BF%E6%8E%A8%E8%8D%90%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8/ 文章作者：周文彪 途家网 编辑整理：Hoh Xil 内容来源：AI 科学前沿大会 出品社区：DataFun 民宿越来越成为旅游消费的新热潮，作为国内最大的民宿平台，途家在应用 AI 技术进行个性化商品推荐方面进行了不少探索。民宿行业的数据，具有用户消费频次低，用户兴趣点不好描述等特点，基于内容和普通协同 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9C%A8%E7%9A%84%E6%8E%A2%E7%B4%A2%E4%B8%8E%E5%AE%9E%E8%B7%B5/ Tue, 15 Mar 2022 09:05:18 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9C%A8%E7%9A%84%E6%8E%A2%E7%B4%A2%E4%B8%8E%E5%AE%9E%E8%B7%B5/ 分享嘉宾：江云胜@Hulu 编辑整理：许晏铭 出品平台：DataFunTalk 导读： Hulu是美国领先的互联网视频流媒体平台，拥有大量的电影、电视剧等视频资源，对这些内容的理解和表示是Hulu的一个重要研究方向。Content Embedding技术将内容表示为向量，以利于后续算法、模 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%85%BE%E8%AE%AF%E6%8A%80%E6%9C%AF%E7%94%A8%E4%B8%87%E5%AD%97%E9%95%BF%E6%96%87%E8%81%8A%E4%B8%80%E8%81%8A%E6%8A%80%E6%9C%AF/ Tue, 15 Mar 2022 09:02:35 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%85%BE%E8%AE%AF%E6%8A%80%E6%9C%AF%E7%94%A8%E4%B8%87%E5%AD%97%E9%95%BF%E6%96%87%E8%81%8A%E4%B8%80%E8%81%8A%E6%8A%80%E6%9C%AF/ 作者： qfan，腾讯 WXG 应用研究员 随着深度学习在工业届不断火热，Embedding 技术便作为“基本操作”广泛应用于推荐、广告、搜索等互联网核心领域中。Embedding 作为深度学习的热门研究方向，经历了从序列样本、图样本、再到异构的多特征样本的发展过程。本文主要系统总结了现在主流的 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%8D%B3%E5%88%BB%E6%8A%80%E6%9C%AF%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E5%9C%A8%E5%8D%B3%E5%88%BB%E7%9A%84%E5%B7%A5%E7%A8%8B%E5%AE%9E%E8%B7%B5/ Tue, 15 Mar 2022 09:02:34 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%8D%B3%E5%88%BB%E6%8A%80%E6%9C%AF%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E5%90%91%E9%87%8F%E5%8F%AC%E5%9B%9E%E5%9C%A8%E5%8D%B3%E5%88%BB%E7%9A%84%E5%B7%A5%E7%A8%8B%E5%AE%9E%E8%B7%B5/ 即刻首页的动态广场是一个发现好玩圈子和有趣即友的地方。如何让每一个用户都能在上面看到自己感兴趣的内容，是即刻推荐团队一直以来努力的目标。 去年我们分享了一篇 技术文章，介绍如何在线上服务中使用Spark MLlib，解决了排序模型的线上serving问题。过去这一年，即刻推荐系统完成了 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%B7%B1%E5%85%A5%E6%B5%85%E5%87%BA%E8%AF%8D%E5%B5%8C%E5%85%A5%E6%8A%80%E6%9C%AF/ Tue, 15 Mar 2022 09:02:27 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%B7%B1%E5%85%A5%E6%B5%85%E5%87%BA%E8%AF%8D%E5%B5%8C%E5%85%A5%E6%8A%80%E6%9C%AF/ 本文概览： 本文又名《Distributed Representation: From Static Embedding to Contextualized Embedding》 1. Classical Representation: One-hot Encoding 独热编码是NLP领域最简单的一种单词表示法。One-hot Encoding就是一个单词用长度为的向量表示，其中只有一个位置为，其余位置为，为语料中词库的大小。 One-hot Encoding有什么问题呢？假如我 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BB%80%E4%B9%88%E6%97%B6%E5%80%99%E5%80%BC%E5%BE%97%E5%8E%BB%E4%BD%BF%E7%94%A8%E4%B8%8A%E4%B8%8B%E6%96%87%E5%B5%8C%E5%85%A5/ Tue, 15 Mar 2022 09:02:23 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BB%80%E4%B9%88%E6%97%B6%E5%80%99%E5%80%BC%E5%BE%97%E5%8E%BB%E4%BD%BF%E7%94%A8%E4%B8%8A%E4%B8%8B%E6%96%87%E5%B5%8C%E5%85%A5/ 作者：Viktor Karlsson 编译：ronghuaiyang 导读: 使用来自BERT的上下文嵌入是很昂贵的，而且并不是所有的情况下都能带来价值，我们来看看在什么情况下是值得使用的。 使用最先进的模型，如BERT，或它的任何后代，不适合资源有限或预算受限的研究者或实践者。仅仅是一个预训练的BER https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%B8%AD%E5%90%84%E7%B1%BB%E6%B5%81%E8%A1%8C%E7%9A%84%E6%96%B9%E6%B3%95%E4%B8%8A/ Tue, 15 Mar 2022 09:02:18 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%B8%AD%E5%90%84%E7%B1%BB%E6%B5%81%E8%A1%8C%E7%9A%84%E6%96%B9%E6%B3%95%E4%B8%8A/ 来源 Microstrong 扫描文末二维码关注作者 深度学习推荐系统中各类流行的 Embedding 方法（下） Embedding 方法概览： 1. Embedding 简介 Embedding，中文直译为“嵌入”，常被翻译为“向量化”或者“向量映射”。在整个深度学习框架中都是十分重要的“基本操作”，不论是 NLP（Natural Language Processing，自然语言处理） https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9C%A8%E6%B7%B1%E5%BA%A6%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%B8%AD%E7%9A%84%E5%A4%A7%E5%BA%94%E7%94%A8%E6%96%B9%E5%90%91/ Tue, 15 Mar 2022 09:02:17 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%9C%A8%E6%B7%B1%E5%BA%A6%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%B8%AD%E7%9A%84%E5%A4%A7%E5%BA%94%E7%94%A8%E6%96%B9%E5%90%91/ 作为深度学习推荐系统模型和 CTR 模型中不可或缺的“基本操作”，如何强调 Embedding 技术的重要性都是不为过的。 这篇文章中，我们将 Embedding 技术单独抽取出来进行讲解。介绍在深度学习推荐系统中，Embedding 主要的三个应用方向： 在深度学习网络中作为 Embedding 层，完成从高维稀疏特征向量到低维稠密特征向量的转换； 作 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%8B%8F%E6%B0%B8%E6%B5%A9%E6%8A%80%E6%9C%AF%E5%9C%A8%E5%95%86%E4%B8%9A%E6%90%9C%E7%B4%A2%E4%B8%8E%E6%8E%A8%E8%8D%90%E5%9C%BA%E6%99%AF%E7%9A%84%E5%AE%9E%E8%B7%B5/ Tue, 15 Mar 2022 08:59:53 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E8%8B%8F%E6%B0%B8%E6%B5%A9%E6%8A%80%E6%9C%AF%E5%9C%A8%E5%95%86%E4%B8%9A%E6%90%9C%E7%B4%A2%E4%B8%8E%E6%8E%A8%E8%8D%90%E5%9C%BA%E6%99%AF%E7%9A%84%E5%AE%9E%E8%B7%B5/ 》分享嘉宾：苏永浩 58同城 资深算法工程师 编辑整理：吴祺尧 出品平台：DataFunTalk 导读： 从C端视角来看，58商业将Embedding作为广告的一种理解方式，使我们精确理解C端用户意图，同时理解B端推广提供的能力，使得目标推广以合适的形式触达C端用户。Embedding对文本 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%BD%91%E6%98%93%E5%90%91%E9%87%8F%E4%BD%93%E7%B3%BB%E5%9C%A8%E4%B8%A5%E9%80%89%E7%9A%84%E8%90%BD%E5%9C%B0%E5%AE%9E%E8%B7%B5/ Mon, 14 Mar 2022 18:17:05 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%BD%91%E6%98%93%E5%90%91%E9%87%8F%E4%BD%93%E7%B3%BB%E5%9C%A8%E4%B8%A5%E9%80%89%E7%9A%84%E8%90%BD%E5%9C%B0%E5%AE%9E%E8%B7%B5/ 严选技术团队 向量化在业界的运用越来越广，近期也有许多文章分享过相关的主题。严选于 18 年下半年开始探索向量化在搜索推荐场景中的运用，从最开始基于商品召回用户的任务到后续的搜索召回、搜索个性化排序、搜索底纹、搜索发现词、搜索建议词、跨类目推荐、推荐召回、多兴趣召回、通用排序、端智能重排 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%AD%E4%B8%8D%E5%BE%97%E4%B8%8D%E5%AD%A6%E7%9A%84%E6%96%B9%E6%B3%95/ Mon, 14 Mar 2022 17:50:41 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%AD%E4%B8%8D%E5%BE%97%E4%B8%8D%E5%AD%A6%E7%9A%84%E6%96%B9%E6%B3%95/ 王喆 之前已经有无数同学让我介绍一下Graph Embedding，我想主要有两个原因： 一是因为 Graph Embedding是推荐系统、计算广告领域最近非常流行的做法，是从word2vec等一路发展而来的Embedding技术的最新延伸； 二是因为已经有很多大厂 将Graph Embedding应 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%B8%AD%E5%90%84%E7%B1%BB%E6%B5%81%E8%A1%8C%E7%9A%84%E6%96%B9%E6%B3%95%E4%B8%8B/ Mon, 14 Mar 2022 16:40:35 +0800 https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E4%B8%AD%E5%90%84%E7%B1%BB%E6%B5%81%E8%A1%8C%E7%9A%84%E6%96%B9%E6%B3%95%E4%B8%8B/ Embedding 技术概览： 对其它 Embedding 技术不熟悉，可以看我的上一篇文章： 深度学习推荐系统中各类流行的 Embedding 方法（上） 1. Graph Embedding 简介 Word2Vec 和其衍生出的 Item2Vec 类模型是 Embedding 技术的基础性方法，二者都是建立在“序列”样本（比如句子、用户行为序列）的基础上的。在互联网场景下，数据对象之间更多呈现的是图结构，所以 Item2Vec 在处理大量的网