个性化推荐系统中，使用什么样的w2v方法能够使得计算的userid和itemid直接计算相似度？

Question

题目描述

如题，推荐系统中往往有大量的的userid和itemid，貌似很多时候直接计算itemid的vector，例如gensim中的计算，或者神经网络中的bow或者skipgram，但是其id都是一种类型的id。
或者是例如youtube用的方法，userid和itemid的vector直接拼接，然后用多层dnn直接训练，但是训练出来的userid和itemie是不能直接计算相似度。

因此是否有方法能直接训练出来userid和itemid的相似度，并且能计算相似度呢？

Answer 1

没办法。因为无论是 w2v 还是 dnn，你的嵌入向量都是第一层的权重矩阵。输入的 onehot 向量都只是选择某个 ID 的嵌入向量。所以没办法扔掉模型直接用 onehot 来算。