Item2Vec이란

• Item2Vec은 자연어 처리 분야의 Word Embedding 방법 중 하나인 Word2Vec에서 영감을 얻어, 사용자 정보 없이 아이템을 임베딩할 수 있는 방법임.

Word2Vec 학습 방법

• CBOW(Continuous Bag Of Word) : 주변에 있는 단어를 가지고 센터에 있는 단어를 예측하는 방법

• Skip-Gram : 한 단어를 가지고 주변에 있는 단어를 예측하는 방법

• SGNS(Skip-Gram with Negative Sampling) : (input은 pairwise) 두 단어가 주변 단어라면 레이블 1로 두고, 주변 단어가 아닌 단어들은 sampling하여 레이블 0으로 넣음. 이후 이들의 내적에 시그모이드를 씌운 값으로 0과 1을 분류

  

  • 최종 생성된 워드 임베딩은 중심 단어 임베딩 레이어와 주변 단어 임베딩 레이어 2개가 나옴.
  • 이들 중 하나만 사용하거나 평균을 사용함

Item2Vec 학습 방법

• Item2Vec은 유저가 소비한 아이템 리스트를 문장으로, 아이템들을 단어로 가정하여 SGNS를 적용한 것.

  (시퀀스를 집합으로 바꾸면서 공/시간적 정보는 사라짐. 그러나 시퀀스를 시간 단위로 스플릿하면 시간적 정보도 반영할 수 있을 것임)