对建议嵌入的操作

Question

我已经训练了一个推荐系统来推荐基于游戏标签的蒸汽游戏。下面显示了一个示例输出，其中GAME是根据similarity评分推荐的游戏。

推荐游戏:全面战争:战锤

GAME: Total War: WARHAMMER                     Similarity: 1.0
GAME: Phantom Doctrine                         Similarity: 0.97
GAME: Total War: THREE KINGDOMS                Similarity: 0.96
GAME: Warhammer 40,000: Dawn of War II         Similarity: 0.96
GAME: Total War: WARHAMMER II                  Similarity: 0.95
GAME: Warhammer 40,000: Dawn of War II Chaos Rising Similarity: 0.94

推荐游戏:帝国时代2:最终版

GAME: Age of Empires II: Definitive Edition    Similarity: 1.0
GAME: Rise of Nations: Extended Edition        Similarity: 0.97
GAME: Age of Empires II (2013)                 Similarity: 0.97
GAME: Stronghold Crusader HD                   Similarity: 0.96
GAME: Age of Mythology: Extended Edition       Similarity: 0.95
GAME: Medieval II: Total War Kingdoms          Similarity: 0.95

本文所使用的模型是基于神经网络确定的嵌入。经过培训，我有两个包含嵌入的矩阵：

1. 游戏矩阵:n个游戏*嵌入大小
2. 标签矩阵:n个标签*嵌入大小

这两个矩阵的嵌入大小是相同的，相似的分数是由游戏的余弦距离来计算的。

是否可以找到类似于其他游戏的游戏，减去给定的标记，例如，TOTAL WAR: WARHAMMER有以下标记：

• 策略
• 幻想
• RTS
• 战争
• 大战略

如果我喜欢这个游戏，但我不喜欢Fantasy元素，我可以在推荐时删除Fantasy元素吗？一个简单的操作会说Total War: WARHAMMER嵌入- Fantasy嵌入，然后找到类似的匹配吗？

Answer 1

一种选择是训练包含所有信息的单个嵌入空间。

如果在Genism中使用Word2Vec，则正负运算是内置的.这类似于单词类比的计算方法。

代码将类似于：

import gensim

word2vec_model = gensim.models.Word2Vec(docs)
word2vec_model.most_similar(positive=['Total War', 'WARHAMMER'],  
                            negative=['Fantasy'])