推荐系统:为推荐库将UUID转换为32位ints

Question

LightFM和其他库要求为用户提供32位整数id。但是，我们的用户id是UUID，例如0003374a-a35c-46ed-96d2-0ea32b753199。我想知道在这样的场景中你会推荐什么。我想出的是：

• 在内存或数据库中创建双向字典，以保持UUID <-> Int映射。例如https://github.com/jab/bidict
• 使用非加密散列函数，如MurmurHash3或xxHash。例如，对于1,000万UUID，我使用xxhash获得了大约11,521或0.1%的碰撞。这对推荐人系统来说是微不足道的吗？

我也很好奇这将如何应用到在线预测场景中，在这种情况下，考虑到UUID、用户交互和模型，我必须预测需要32位整数的模型的建议。如果我使用内存条件下的命令，那么这种方法在这种情况下是行不通的，因此在最坏的情况下，我可能不得不创建一个持久的键值存储。

Answer 1

1. 这是绝对可行的，而且可能是绝大多数用户都会选择的解决方案。当然，缺点在于必须保持映射。
2. 哈希函数也能工作。事实上，有一些方法可以将所需嵌入层的哈希( 减少 维数 )哈希化。值得记住的一点是，产生的哈希范围应该是相对紧凑的:大多数实现将为所有可能的值分配参数，因此能够散列到非常大的值的散列函数将需要大量的内存。跟着模块函数的散列可以很好地工作；然后，在存储所有参数所需的内存和碰撞概率之间进行权衡。

在LightFM和大多数其他实现中，建议只能针对在培训期间出现的用户和项(或至少针对用户和项特性)。然后映射将成为模型本身的一部分，并被有效地冻结，直到一个新的模型被训练。