Tensorflow2的多值离散特征embedding处理

最新推荐文章于 2024-03-02 15:15:03 发布

GQxxxxxl

最新推荐文章于 2024-03-02 15:15:03 发布

阅读量4.5k

点赞数 1

分类专栏： Tensorflow实战推荐系统

本文链接：https://blog.youkuaiyun.com/GQxxxxxl/article/details/94171808

版权

本文分享了在TensorFlow2中处理多值离散特征的embedding实现，针对Dataframe中以空格分隔的item，提供了一种解决方案，适用于推荐系统的深度学习场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近项目需要用到对多值离散特征embedding处理，但是网上流行的都是tensorflow1的实现，用tensorflow2实现又踩了颇多API的坑，这里贴一下基于tensorflow2的代码以供朋友们参考。
输入：

0         757713 757713 757713 718096 757713 613698 7577...
1         800752 800752 800752 800752 800752 800752 8007...
2         709909 709909 709909 709909 709909 709909 1133...
3                                             399879 399879
4          684569 684569 488509 684569 684569 670847 670847
5         918215 918215 918215 918215 207615 836298 5043...
6         117858 594091 117858 488509 488509 488509 4885...

这里是Dataframe里面一列，每个item以空格分隔。
输出结果：

<tf.Tensor: id=6258485, shape=(260864, 16), dtype=float32, numpy=
array([[ 0.41795182, -0.39300975,  0.213124  , ..., -0.27875707,
         0.01765781,  0.08868953],
       [-0.73458   , -0.02326077,  0.7044893 , ...,  1.2839459 ,
        -0.02931389, -0.8411617 ],
       [ 0.5692324 , -0.1875325 , -1.018876  , ..., -0.27677986,
        -0.14484856, -1.366552  ],
       ...,
       [ 0.31806934,  0.04071464, -0.49344513, ...,  0.47461817,
         0.22558866, -0.02738286],
       [ 0.7392819 ,  0.8259195 , -0.6769146 , ...,  0.38030392,
        -0.15495802,  0.22499947],
       [ 0.00484937,  1.4204272 ,  0.5105733 , ...,  1.7746845 ,
        -0.09681775,  1.7567879 ]], dtype=float32)>

最低0.47元/天解锁文章