embedding：以較少的維度表示每個類別，并且還可以一定的表現(xiàn)出不同類別變量之間的關(guān)系
4.1 word2vec: 包括CBOW和skip-gram: word2vec 中的數(shù)學(xué)原理詳解
4.2 deepwalk : Deepwalk算法原理深度研究
4.3 item2vec
4.4 node2vec: node2vec是在deepwalk的基礎(chǔ)上進行的心赶。
它使用返回參數(shù)p扣讼、進出參數(shù)q來控制序列的采樣（同時實現(xiàn)DFS和BFS）,然后使用skip-gram+negative sample進行embedding
4.5 EGES
Graph embedding的缺點:
image-20200407134735887.png解決方法:
image-20200407135118246.png將item embedding 和side embedding一起加入skip-gram模型進行訓(xùn)練學(xué)習(xí)
image-20200407135330794.pngimage-20200407135354970.pngside information 帶來的好處
image-20200407135525197.png
