顺序至关重要：Fanatics 基于嵌入 Word2Vec 的 LSTM 推荐有序产品
机器学习
2019-11-25 v1 计算与语言
信息检索
机器学习
摘要
电子商务推荐的一个独特挑战在于，客户往往对他们已购产品的更进阶产品感兴趣，而非相反。少数现有的建模单向序列的推荐系统仅输出有限数量的类别或连续变量。为对有序序列建模，我们设计了首个同时用 Word2Vec 嵌入已购商品、并用无状态 LSTM RNN 对序列建模的推荐系统。该推荐系统在生产环境中的点击率优于其仅基于 Word2Vec 的前身。它于 2017 年开发，或许是首个已发表的在 Spark 从节点上以每行超过 40 万列的规模对单机训练的 Keras 模型进行分布式预测的真实世界应用。
引用
@article{arxiv.1911.09818,
title = {Order Matters at Fanatics Recommending Sequentially Ordered Products by LSTM Embedded with Word2Vec},
author = {Jing Pan and Weian Sheng and Santanu Dey},
journal= {arXiv preprint arXiv:1911.09818},
year = {2019}
}
备注
5 pages, 2 figures, KDD 2019 Workshop, Deep Learning on Graphics,