# EGES

**Repository Path**: qingzhongwen/EGES

## Basic Information

- **Project Name**: EGES
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2020-06-13
- **Last Updated**: 2023-06-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# EGES-PIPLINE
implemention of Alibaba's paper: [Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba](https://arxiv.org/abs/1803.02349)

**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](https://wx.jdcloud.com/market/jdata/list/17)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](https://www.kdd.org/kdd2018/accepted-papers/view/real-time-personalization-using-embeddings-for-search-ranking-at-airbnb)
* 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：
![avatar](data_cache/cate_dist.png)