本文为您介绍如何使用二部图GraphSAGE算法,快速生成推荐召回场景中的User和Item向量。
背景信息
图神经网络是深度学习的热点发展方向,PAI开源Graph-Learn框架,提供大量图学习算法。二部图GraphSAGE是经典的图神经网络算法,而GraphSAGE为二部图场景扩展,被用于淘宝的推荐召回场景。
在二部图场景下,可以将User和Item作为图中的点,User-Item之间的关系(点击或购买等)作为图中的边。对于User和Item,其邻居分别按照User-Item-User-Item…及Item-User-Item-User…的Meta-Path进行采样。
基于二部图GraphSAGE算法实现推荐召回
- 进入PAI-Studio控制台。
- 登录PAI控制台。
- 在左侧导航栏,选择 。
- 在PAI可视化建模页面,单击进入机器学习。
- 构建实验。
- 运行实验并查看输出结果。
- 单击画布上方的运行。
- 实验运行结束后,右键单击画布中的graphSage-1,在快捷菜单,单击 ,即可查看生成的User Embedding。
- 实验运行结束后,右键单击画布中的graphSage-1,在快捷菜单,单击 ,即可查看生成的Item Embedding。
在文档使用中是否遇到以下问题
更多建议
匿名提交