Pinterest Engineering ha aplicado Word2Vec para su sistema de recomendación.
Lo llaman Pin2Vec. Este es un patrón emergente (sent2vec, doc2vec, sense2vec, etc.)
Una breve descripción:
- ¿Dónde puedo encontrar modelos de temas previamente capacitados para MALLET?
- ¿Cuáles son las principales diferencias entre econometría y aprendizaje automático?
- ¿Es factible construir su propia máquina fMRI?
- ¿Cuáles son algunos chatbots de IA de código abierto que usan aprendizaje automático?
- ¿Cuál es la diferencia entre un ingenuo clasificador Bayes y una red bayesiana?
Están utilizando la sesión de navegación de un usuario en pinterest como datos de entrenamiento.
Básicamente, si en una sesión de navegación visita los pines A, luego B, luego C y D
Entrena la red de tal manera que dado A predice B, etc.
Esto forma muy buenos vectores que capturan muy bien la similitud semántica de los pines y, por lo tanto, les permite hacer muy buenas recomendaciones para los pines relacionados.
Antes de Pin2Vec (usando una amplia coincidencia)
Después de Pin2Vec
Esta es una explicación muy simple, dirígete a su artículo para obtener una comprensión más profunda. Idea muy interesante y definitivamente dice mucho sobre el poder de las incrustaciones. Actualizaré esta publicación cada vez que vea más ejemplos que no sean de texto.
Aplicación del aprendizaje profundo a los pines relacionados – El gráfico – Medio
Para comprender mejor word2vec, puede consultar mi respuesta. (tocando mi propia trompeta aquí 😉)
La respuesta de Aneesh Joshi a ¿Es Word2vec un algoritmo de aprendizaje supervisado / no supervisado?
