电商商品嵌入表示分类方法

• 作者: 刘淇 曾宪宇 李徵 龙柏
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 电子商务 商品分类 商品嵌入 词嵌入 行为建模
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 17-24,33
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2017.411

摘要

借鉴近些年来在自然语言处理领域卓有成效的一种词嵌入模型word2vec,提出两种商品嵌入表示模型item2vec和w-i-tem2vec.提出的两种模型通过对用户在每次购买时对商品的比较和选择行为进行建模,将商品表示为一个低维空间的向量,该向量可以有效地对不同商品之间的关系和性质进行度量.应用这一性质,使用item2vec和w-item2vec得到的向量对商品进行分类,试验结果表明:在仅使用10％数据训练的基础上,w-item2vec对商品分类的准确率可以接近50％.两种模型分类准确性均显著优于其他模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘淇	中国科学技术大学计算机科学与技术学院大数据分析与应用安徽省重点实验室	12	386	6.0	12.0
2	李徵	中国科学技术大学计算机科学与技术学院大数据分析与应用安徽省重点实验室	3	4	1.0	2.0
6	龙柏	中国科学技术大学计算机科学与技术学院大数据分析与应用安徽省重点实验室	4	6	1.0	2.0
7	曾宪宇	中国科学技术大学计算机科学与技术学院大数据分析与应用安徽省重点实验室	2	13	1.0	2.0