电商机器学习中商品嵌入的理论理解
机器学习
2021-02-25 v1 信息检索
摘要
商品嵌入在过去几年中被大量研究，作为电商中广泛机器学习应用的基石。尽管商品嵌入取得了经验成功，但从理论角度对其如何及为何起作用知之甚少。自然语言处理（NLP）中的类似结果常依赖于不可迁移到电商领域的特定领域性质，且下游任务常关注嵌入的不同方面。我们采取面向电商的商品嵌入视角，从表示学习与学习理论两个角度揭示完整的理论视图。我们证明由广泛采用的 skip-gram 负采样算法及其变体训练的商品嵌入，关于关键的商品关联度量是充分的维数约简。下游机器学习任务中的泛化性能由嵌入与商品关联度量之间的对齐所控制。遵循理论发现，我们进行了探索性实验以支持我们对商品嵌入的理论见解。
引用
@article{arxiv.2102.12029,
title = {Theoretical Understandings of Product Embedding for E-commerce Machine Learning},
author = {Da Xu and Chuanwei Ruan and Evren Korpeoglu and Sushant Kumar and Kannan Achan},
journal= {arXiv preprint arXiv:2102.12029},
year = {2021}
}