24. BI - 一篇文章带你详细理解特征工程核心：Embedding

本文为 「茶桁的 AI 秘籍 - BI 篇 第 24 篇」

Hi，你好。我是茶桁。

上一节课上，咱们学习了基于内容做推荐的一些内容，就着一个酒店的案例，将整个基于内容做推荐的流程跑了一遍，在其中我们还讲解了 N-Gram 方法，这其实算是咱们一个 NLP 的方法。

推荐系统和 NLP 结合场景多吗？其实还是挺多的。推荐系统分几个引擎，内容推荐一般是文本内容，这个跟 NLP 结合的非常多。这是在内容推荐的基础上主要做相似度推荐。所以推荐系统它是一个综合性的应用场景。

现在直播很火对吧？抖音直播，淘宝直播，京东直播，还有各种大大小小的直播平台。那直播里可能经常会上一个货架，不知道大家有没有去遇到主播进行直播的时候把连接上错的情况。好像以前老罗还是谁就干过这种事。

那直播带货没有没有上错连接呢？有这种可能性的，如果上错损失还是非常严重的，我以前就见到过一个。

那直播里可以有一个算法来帮你去做标签的匹配，就是帮你做链接匹配。

怎么做？主播在去穿某一个衣服或者擦某一个口红，你都可以去通过图像的方式来做识别，识别以后去做一个链接的一个匹配。所以推荐系统里面其实也可以对图像来去做一些结合，也就是咱们的 CV 部分。

除了直播之外，跟图像相关可以做推荐的还有什么？那大家逛淘宝的时候有一个拍照识别的场景，不知道大家有没有人用过。你并不知道商品名称，也不知道商品到底是在哪里可以找到，只有一张这个商品的图片，上面包含了一些基本特征。这个时候我们就可以把这张照片上传上去，让淘宝给你推荐跟他类似的商品，也很有可能是完全一致。如果不是，某些特征尽量一致也 OK。所以淘宝上也有一个是拍照识别推荐。

所以回到推荐系统，它是一个综合性的应用场景。文字有需求，图片也有需求，用户行为也有需求。所以不同的场景可能需要不同的