写回答
-
在机器学习PAI平台中，负样本的选取方式依据具体的模型和应用场景而定。从提供的参考资料来看，没有直接说明负样本Item是随机选取还是基于负反馈机制。但是，可以推测，在某些推荐系统相关的任务中，如DSSM模型或GraphSAGE算法的应用场景，负采样通常涉及到一定的策略来生成负样本：
负采样策略：在推荐系统中，负采样常用于增强模型对正负样本区分的能力，提高训练效率。负样本可能是随机选取的，确保模型能够泛化到未见过的负例；也可能是基于用户行为数据确定的负反馈，比如用户未点击、未购买的商品，这样更加贴近实际的负样本定义。
GraphSAGE算法中的负采样：在GraphSAGE算法的配置中提到了“负采样数”，这表明在图神经网络的训练过程中，会采用一定数量的负样本进行训练。虽然没有明确指出这些负样本是随机选取还是基于某种负反馈机制，但在图神经网络的上下文中，负采样往往用于构造对比学习场景，帮助模型学习节点间的关系，这些负样本可能依据图结构或节点关系来随机生成。
DSSM向量召回中的负采样：在DSSM模型的向量召回流程中，虽然没有详细描述负样本的具体生成方式，但提到了“创建负样本表，负采样时使用正样本参与训练”。这暗示了负样本的生成可能与正样本有一定关联，可能是通过某种策略（如随机或基于历史交互的负反馈）从非正向行为中抽样得到。
综上所述，负样本的选取既有可能是随机的，也可能是基于负反馈机制，具体实现方式需根据实际应用场景和模型需求来设定。在PAI平台中，通过相应的模型配置参数（如负采样数）可以调整负采样的策略和规模，以适应不同的训练需求。
相关链接
https://help.aliyun.com/zh/pai/use-cases/use-bipartite-graphsage-for-matching-recall2024-08-17 21:04:50赞同 3 展开评论 打赏 -
负采样Item的跟User侧做Target Attention。此回答整理自钉群"[EasyRec/PAI-Rec]推荐算法交流群"
2024-08-16 18:03:04赞同 11 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
人工智能平台 PAI（Platform for AI，原机器学习平台PAI）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。
