编译：chux
出品：ATYUN订阅号
来自Pinterest的开发人员以及斯坦福大学的研究人员合作推出PinSage，这是一种基于深度学习的高级推荐框架，用于社交网络中的广告和购物推荐。
“随着使用Pinterest的月活跃用户数超过2亿，图像保存数量也越来越多，我们必须不断建立新技术，不仅要跟上，还要提出更明智的建议，”Pinterest工程师Ruining He在一篇博文中表示。
该框架使用图形卷积网络（GCN）来学习Web尺度图中的引脚或节点。每个引脚与图像和一组文本注释相关联，例如标题和描述。
团队使用英伟达 Tesla GPU的和cuDNN -accelerated TensorFlow深度学习框架，用大约18TB字节的数据，或曲线图上75亿例子图表训练卷积网络，30亿个节点代表画板和Pin。
团队表示，“Pin的嵌入对于各种任务来说都是必不可少的，比如像广告这样的动态Pin，以及购物分类、集群，甚至是重新运行。这些任务对于我们的关键服务是至关重要的，比如相关的Pin、搜索、购物和广告。”
该框架有可能增强产品挖掘的后端并为购物的未来提供动力。总之，该工作分析了比标准深度学习模型更多的信息。
Pinterest工程师说，“我们的模型依赖于此图形信息来提供上下文，并允许我们消除（视觉上）相似但在语义上不同的Pins的歧义。据我们所知，这是迄今为止最大的深度图嵌入应用，并为基于图卷积结构的新一代网络级推荐系统铺平了道路。”
这项工作的成果最近在ArXiv上发布，并将于本周在伦敦举行的SIGKDD知识发现和数据挖掘国际会议上发布。
论文：arxiv.org/pdf/1806.01973.pdf
