咋形象理解embedding这个概念( 六 )
用户1看按照DAB的顺序跟物品交互，用户2按照BE DEF的顺序交互，依此类推，可以构建一个图关系。这个图关系隐藏着用户和物品的属性，可以生成人和物品的Embedding向量。常用的图神经网络算法有GraphSage和DeepWalk。
总结Embedding向量生成之后，可以用Faiss引擎去方便的计算向量间的距离，从而实现推荐召回。这个方案是目前主流的推荐引擎召回方案。相信后续会有越来越多的算法诞生，我也会持续关注。
参考：https://www.jiqizhixin.com/articles/2020-06-30-1
■网友
结论：embedding是对一个对象（词、字、句子、文章。。。）在多个维度上的描述
拿"词"举栗子，
假设"数学"这个词的embedding一共是5维，其值为，其中每个维度代表和某个事物的相关性，这五个数值分别代表的含义，那么数学和科学、考试、课程的相关性更高，也就是说这三个词可以更好的描述数学这个概念，而树林、郊区则无法有效的对数学这个词进行描述。
这时候我们引入另外两个词，"化学"=，"春游"=，我们可以用cosine distance来计算这几个词的距离，显而易见数学和化学的距离更近，和春游的距离更远，embedding完美对词进行了表达~
■网友
简单点说，找到目的空间的嵌入向量。
那尝试通俗易懂的去理解embedding。
例如现在站在你面前的Alice，你要怎么去描述她呢？
假如从长相去描述Alice，最重要的几个特征是什么？
你可以用离散的变量0，1去表示条件成立与否：
==
当然你也可以去给这几个特征打个分，到底有多白，多正，多齐，比如10分制：
==
这样的话，你就得到了欧几里得某个三维空间上对Alice长相的描述了！
回到第一句，这里的目的空间是什么呢？当然就是Alice的长相描述空间了，嵌入向量就是上面两个评分了。
当然你也可以去从成绩描述Alice:
=
这里你找到了成绩空间去得到了Alice的embedding。
凡事都要问个为什么，为什么需要这些embedding呢？
如果Alice和Bob去比谁长相更好，肯定不是两个人对着嚷嚷就能比出来的，如果得到两个人长相空间的embedding，综合分一加不就得出结果了？
所以第一，是为了针对某个目的更好的优化计算过程。
第二，还有很多结构并不是欧几里得空间，比如图。要处理这些数据，更加需要去学习到embedding。
■网友
One-hot + 单层全连接神经网络
■网友
【咋形象理解embedding这个概念】 embedding这个名字是比较唬人的，“嵌入”这个翻译本身会让人不知所措，我也没有考查它第一次是由谁提出来的。从我的应用经验来看，原始信息的高维表示是冗余的，这玩意是用低维向量表示了高维信息，是一种“降维表示”，或者将信息都用统一固定低维度向量进行表示，以方便工程应用。而且，这种“降维表示”至少要保留原始信息之间的区分能力。
推荐阅读
- 学图像处理有哪些不错的书推荐
- 应该怎样理解会员服务的法律性质
- 端口到底是啥概念和ip之间有啥关系能形象+抽象的从技术角度描述一下吗
- 王祖蓝|妻子李亚男临盆在即，王祖蓝连夜赶火车睡卧铺，头发凌乱形象邋遢
- 读书读到3分之一的时候感觉很难理解，要不要继续
- 怎样简洁到位地让外国人理解中文互联网文化中的「屌丝」、「喷子」、「五毛」、「水军」、「公知」等词
- ActiveMQ、MQTT的方式进行Android消息推送，我的理解是否正确
- |嫦娥五号升空，探月IP形象首发，北京越野向“潮牌”转型
- 讲座|启东系统培训帮助老师和家长更好理解孩子
- 冯绍峰|冯绍峰古装照曝光，神情萎靡“熊猫眼”吓人，形象气质暴跌