# Word2vec 与 Item2vec

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：第4章 Embedding 技术
- 页码线索：105-112
- 目标岗位：AI PM / 推荐系统产品 / 算法工程师面试
- 优先级：P0
- 标签：item2vec, word2vec, recall

## 面试问题

Item2vec 如何把 Word2vec 推广到推荐系统？

## 30 秒回答

Item2vec 把用户行为序列类比为句子，把物品类比为词，通过共现上下文学习物品向量，从而用于相似物品召回和推荐。

## 展开要点

- 用户一次会话或行为序列可看作 item sentence。
- 共现关系表达物品之间的行为相似性。
- 训练后可用向量近邻找相似物品。
- 局限是容易受热门物品、序列构造和上下文窗口影响。

## 高频追问

- Item2vec 和 ItemCF 有什么区别？
- 行为序列如何构造？
- 负采样有什么作用？

## 项目映射

- 读过某类面试卡的人还会读哪些卡。
- 电商“搭配购买”或内容“连续观看”推荐。

## AI PM 迁移

Item2vec 是 RAG/推荐之间的桥：都从共现或上下文中学习向量，用于快速召回。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。