把user买过的item的名字embedding后作为特征，以及item本身的名字embedding作为特征，这两个特征加到CTR模型，会有效果吧？
把user买过的item的名字embedding后作为特征，以及item本身的名字embedding作为特征，这两个特征加到CTR模型，会有效果吧？
- 写回答
- 好问题 0 提建议
- 关注问题
分享- 邀请回答
-
0条回答 默认 最新
- 2024-08-14 09:31冻感糕人~的博客 如果在user或者item量不大的情况下，可以直接使用其对应的Onehot特征进行使用，但是如果数据量特别大时，这种方式就显然不合理了（无论是计算量还是数据存储、在线计算服务等），所以就催生了Embedding相关的嵌入式...
- 2025-05-12 07:30明明跟你说过的博客 从词向量如 Word2Vec、GloVe，到文本、图结构、跨模态嵌入模型，再到与大模型（LLM）融合的最新趋势，文章不仅解析了嵌入模型在构建语义理解、特征压缩、相似性计算等任务中的核心价值，还结合检索系统、推荐系统、...
- 2022-08-04 17:48冰露可乐的博客 （1）找工作投简历的话，你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来，这样才能契合公司招聘需求，否则它直接把简历给你挂了 （2）你到底是要进公司做推荐系统方向？还是纯cv方向？还是NLP方向？还是...
- 2021-03-16 14:11RoseBrook GUO的博客 user最近买了1,2,3,4个item， poi高销的几个item是3,4,5,6， 则 第一种embedding方式是： 每个item一个embedding，一共6个embedding 第二种embedding方式是： 每两个item一个embedding，一共4乘4=16个embedding ...
- 2021-12-30 16:31Just Jump的博客 浅谈微视推荐系统中的特征工程 浅谈微视推荐系统中的特征工程浅谈不简单。https://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649744942&idx=1&sn=7efd84c1371d785d719de481e3e6d44a&scene=...
- 2021-08-22 23:37旺仔的算法coding笔记的博客 本文是对七月在线推荐课程王老师讲的关于user 和item特征的一个简单随堂笔记。 本文主要围绕关于连续型和离散化特征、用户画像的特征、embedding特征、特征选择和特征降维来展开。 连续和离散化特征 ⊚ 为什么会...
- 2025-03-29 17:13Jin_Kwok的博客 本文以 TensorFlow 为例，解读用户特征和商品特征 Embedding 的原理。通过阅读此文，读者可以更加清楚的知道不同类型的特征（类别特征、数值特征、ID 特征）的Embedding 方式差异。
- 2024-06-28 09:41我爱学大模型的博客 本文主要围绕推荐系统中，如何给冷启动或长尾的样本生成好的id embedding表示这一问题，介绍了近年来4种思路6篇顶会工作。包括domain adaptation、变分自编码器、对比学习、引入用户历史行为序列等多种类型的解法。...
- 2022-10-19 20:00zenRRan的博客 分享嘉宾：张俊林博士 新浪微博编辑整理：刘一全出品平台：DataFunTalk导读：随着深度学习在推荐系统应用的发展，特征 Embedding 建模的重要性已经成为共识，同时海量特征的稀疏性及参数量过大是必须面对的难题。...
- 2025-12-27 14:36May Wei的博客 面对高维稀疏特征，TensorFlow通过SparseTensor、嵌入查找和参数服务器架构实现高效建模。从存储压缩到分布式训练，系统性解决内存与计算瓶颈，适用于推荐系统与CTR预估等场景，兼顾性能与可扩展性。
- 没有解决我的问题, 去提问
问题事件
系统已结题
2月24日
修改了问题
2月16日-
创建了问题
2月16日