表示的学习相似性

Question

我感兴趣的是一个框架，用于根据一些共同的上下文来学习不同输入表示的相似性。我研究过word2vec、SVD和其他推荐系统，它们或多或少地满足了我的需求。我想知道这里是否有人有任何经验或资源在一个更广义的版本，在这里，我能够在不同的对象上提供表示，并了解它们有多相似。

例如:假设我们有一些客户，我们正在发送不同的广告，我想创建一个系统，以地图提供给客户。我在思考如何创建一个客户代表，以及一个报价的代表，并将它们与一个有标签的神经网络并行地提供给他们，这个神经网络有他们是否对广告采取行动的标签。我的想法是，我应该能够找到任何客户的最佳报价，给这些代表。

我已经调查过暹罗网络和word2vec，两者都接近我想要的。问题是，对于暹罗网络，有相同的并行网络，我不想要，因为我的输入是不相等的。Word2vec类型方法也是接近的，但是我想要一个模型来处理“双方”的输入。两者的结合，是我所要寻找的。

如果有人在类似的问题陈述中有任何资源，我会非常感兴趣的。

谢谢

Answer 1

你可以采用协作过滤的方法。培训一个网络，了解你的客户，并提供嵌入在一个潜在的空间。

您可以随机初始化客户嵌入矩阵(no_of_customers, dimensions_c)和要约嵌入矩阵(no_of_offers, dimensions_o)。

您的培训数据将是每次单击、客户索引、提供索引和用于查找嵌入向量的二进制变量(0,1)。然后，您可以将这些向量连接起来，并将它们用作一个完全连接的层的输入，或者您希望使用的任何其他体系结构。