本文共 1767 字，大约阅读时间需要 5 分钟。

论文连接：

摘要：

阿里推荐系统的三大挑战，可扩展性（scalability），稀疏性（sparsity）和冷启动（cold start）。 首先通过用户历史行为构建item graph，并在graph上学习item的embedding，这个embedding用于学习item之间的pairwise similarities。为了解决稀疏性和冷启动问题，在graph embedding framework里引入side information。并提出两种聚合方法来集成item的embedding和相关的side information。加了side information的方法优于不加side information的方法。

淘宝应对可扩展性、稀疏性和冷启动三个问题设计一个two-stage框架，matching和ranking。matching拣选商品，ranking给商品排序。本文主要关注在matching阶段，这个阶段核心任务是基于user行为计算所有item的pairwise similarities。

首先基于user行为历史构建item embedding graph->dubbed Base Graph Embedding(BGE)，其次考虑到那些新的item或者有极少user交互的item，引入side information构建dubbed Graph Embedding with Side information（GES）。接着考虑到不同类型的side information，就提出带权的GES，即dubbed Enhanced Graph Embedding with Side information（EGES）。

session-based users’behaviors：考虑到用户的行为是不断变化的，以及使用用户全部的历史行为计算能力和空间存在问题，对user的行为按窗口划分（工程上采用1小时）。属于同一个时间窗口的两个item就存在一条直连边（按先后顺序的有向边），边的值是在所有user行为中出现的次数。

构建graph之前需要过滤无效数据和异常行为：

（1）扔掉少于1m的点击时间间隔的商品 （2）扔掉那些代刷用户（在三个月内点击超过3600或者买了1000个item） （3）扔掉那些零售商不断更新内容而使得item和标识符不符合的item

BGE：

• 建Graph
• 扩展，使用Random Walk进行扩展得到item序列
• 使用Skip-Gram训练item embedding
• Negative sampling转换成二分类问题，加速训练速度

GES：

假设具有相似side information的item在embedding space也相近。

• 除了训练item embedding，还要训练item的side information对应的embedding
• 把side information和item embedding求平均作为item的embedding
  
  EGES：
  
  GES认为side information中的每个type的重要性相同，EGES引入权重思想。
  

---

[以下是分割线，我是知乎的搬运工]

关于新商品的冷启动问题，因为尚未学到权重矩阵，因此将边信息向量求平均作为商品的表示。

很简单的文章，最后自问自答两个问题。

1)本文的边信息都是类别特征，如果是文本或者图像特征，该怎么加到图网络中？

我的想法是，可以先预训练文本或图像，生成文本或图像的表示向量，作为其中一个边信息向量，然后固定住文本和图像向量，放在整个网络中学习这两个向量的权重。

2)原文算法在构建图的时候采用的是有向图，这个真的是有必要的吗？skip-gram算法的训练是丢掉顺序信息的，序列 ​和序列 ​是等价的。skip-gram不关心序列顺序，只是不知道有向图和无向图生成的item pair数量分布是否有差异。（注：有时间跑个实验对比下）

【我个人的理解：建什么样的图跟数据有关，如果是双向关系，可以采用无向图，如果是单向关系，就用有向图，这两个的item pair肯定是有差异的】

作者：张备

链接： 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。