11、E-commerce in Your Inbox:Product Recommendations at Scale-----产品推荐（prod2vec和user2vec)

一、摘要

本文提出一种方法，将神经语言模型应用在用户购买时间序列上，将产品嵌入到低维向量空间中。结果，具有相似上下文（即，其周围购买）的产品被映射到嵌入空间中附近的向量。

二、模型：

低维项目向量表示：

1、prod2vec：

给定当前产品p_i，观察到邻居产品p _i+j的概率为P(p _i+j | p_i）。

其中，v_p和v_p'是产品p的输入和输出向量表示。c是产品序列的上下文长度。P是字典中不重复产品的数量。S为产品实体集合。

为了考虑到同时买多个产品，提出以下模型

2、bagged-prod2vec：

产品到产品的预测模型：

1、prod2vec-topK：

给定已经购买的产品，然后在所有的产品中计算相似度，推荐前k个相似的产品。

2、prod2vec-cluster：

将相似产品进行聚类，然后从聚类的产品中进行产品推荐。

用户到产品的预测模型：

1、user2vec：

给定一个用户，找到联合表征向量空间中的前K个相近的产品。

训练数据集分为用户购买顺序S，即给定用户u_n，其按照时间来排序的已经购买的产品。un = (pn1, pn2, . . . pnUn)，Un表示用户u_n的项目购买数量。