EGES-PIPLINE

implemention of Alibaba's paper: Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba

update 2020.4.22: 重写pipeline，增加可读性；并增加tf.dataset输入pipeline,适用于large dataset，但每batch运行时间大于feed_dict，排查原因中...

一个EGES的pipeline简单实现，包括以下部分：

• 数据获取：使用jdata2019比赛中的行为数据（10000条），及商品数据。
• 从user behaviour history 构建session，session截断依据为最后一个action为下单，或者30分钟内没有action 参考Airbnb Real-time Embedding
• 根据session list构图，基于node2vec游走采样重新生成session，并加载item对应side info
• EGES实现，基于word2vec改写
• 生成embedding并可视化

较为完整的复现了工业界常用的graph embedding pipeline。

randomwalk 代码参考

• code: https://github.com/shenweichen/GraphEmbedding
• author: shenweichen

环境配置

• python 3.6.5
• tensorflow == 1.14.0
• joblib
• networkx

baseline示例：

python data_process.py
python run_EGES.py

Embedding可视化

品类数据：