1.背景：

最早看到Item2vec是微软研究院的这篇文章，发表于2016年ICML。本文主要是对这篇论文做一些介绍，Item2vec主要思想是借鉴了Word2Vec，并且采用SGNS（Skip-gram + Negative Sampling，思想是用中心词预测周围的词）的方法来生成物品向量，最后只需要计算当前浏览的物品与其它物品的向量相似度，从而找到相似物品。一般像电商网站的“看了也看”、“买了也买”、“相似物品”模块比较适合应用Item2Vec算法。

主要做法是把item视为word，用户的行为序列视为一个集合，item间的共现为正样本，并按照item的频率分布进行负样本采样，缺点是相似度的计算还只是利用到了item共现信息，1).忽略了user行为序列信息; 2).没有建模用户对不同item的喜欢程度高低。

Item2Vec这个名词的由来：在隐空间中产生的item embeding向量用在基于item的协同过滤，这种方法称之为item2vec。（原文：we name Item2Vec for item-based CF that produces embedding for items in a latent space）

2.原理

SGNS：

优化目标：中心词存在的情况下周围词存在的概率最大，从而得到所有词的向量：

negative sampling--- 提升计算性能

在词库数量10万-100万的量级下，计算p(wj |wi)的代价会非常大，因此采用负采样来减少计算。对每个正样本，根据3/4指数分布采样N个负样本，这个采样比例是在实验中效果显著的。

这个公式的意义：u是target，v是context，最大化和u有关联的v，最小化和u没关联的v.sigmod函数。

对于常见词和不常见词的不平衡性问题，这里做了一下下采样，给出一个输入序列，以一定概率丢弃这个词w，频率越高，丢弃的概率越大。

Item2Vec – SGNS for item-based CF

实验结果好于SVD，item2vec对出现次数少的item也有较好的表示，得益于负采样和丢词优化。

3.代码注解：

sparkML中，

4.论文精读：

参考：

1.论文：https://arxiv.org/vc/arxiv/papers/1603/1603.04259v2.pdf

2.代码：https://github.com/bwange/Item2vec_Tutorial_with_Recommender_System_Application/blob/master/Making_Your_Own_Recommender_System_with_Item2Vec.ipynb

3.介绍word2vector和item2vector：https://blog.csdn.net/fuzi2012/article/details/91345164

4.个性化召回的应用：https://www.cnblogs.com/hellojamest/p/11766401.html

5.原理概要：https://zhuanlan.zhihu.com/p/24339183?refer=deeplearning-surfing

6.python实现 地址