码一下常用的Embedding方式

随手记录一下常用的Embedding，很有启发作用：

1. 以SVD为代表的MF方式。通过对user-item-score矩阵的分解，或者user-item的隐式矩阵分解，可以获取user与item的隐向量，该向量可以作为embedding向量使用。
2. FM算法。FM学习了各个特征的隐向量表示，从而可以将这些学习到的隐向量作为特征的embedding使用。
3. DNN-Embedding 通过神经网络，利用接入Embedding层与目标loss进行joint train，从而学习其特征表达，这是一种端到端的embedding训练方式(end-to-end)。
4. item2vec 与word2vec类似的方式。
5. 5.graph embedding，是基于图模型的方法，包括deep walk, node2vec, eges等方法。