电商中 ID 表示的学与迁移
机器学习
2018-05-23 v4 机器学习
摘要
电子商务中发展出许多机器智能技术，其中最基本的组成部分之一是 ID 的表示，包括用户 ID、商品 ID、产品 ID、店铺 ID、品牌 ID、类目 ID 等。基于编码的经典方法（如独热编码）效率低下，因其高维而面临稀疏性问题，且无法反映 ID 之间同质或异质的关系。本文提出一种基于嵌入的框架来学习与迁移 ID 的表示。作为用户的隐式反馈，海量商品 ID 序列可轻易地从交互会话中收集。通过联合使用这些富含信息的序列以及 ID 之间的结构连接，所有类型的 ID 均可被嵌入到同一个低维语义空间中。随后，所学表示在四种场景中得以利用与迁移：(i) 度量物品间相似度，(ii) 从已见物品迁移至未见物品，(iii) 跨不同领域迁移，(iv) 跨不同任务迁移。我们在盒马 App 中部署并评估了所提方法，结果验证了其有效性。
引用
@article{arxiv.1712.08289,
title = {Learning and Transferring IDs Representation in E-commerce},
author = {Kui Zhao and Yuechuan Li and Zhaoqian Shuai and Cheng Yang},
journal= {arXiv preprint arXiv:1712.08289},
year = {2018}
}
备注
KDD'18, 9 pages