10篇经典的推荐系统文章，Reinforcement Learning based Recommender System using Biclustering Technique；Learning Continuous User Representations through Hybrid Filtering with doc2vec；Deep Reinforcement Learning for List-wise Recommendations；Leveraging Long and Sh
引言
自从Mikolov在他2013年的论文“Efficient Estimation of Word Representation in Vector Space”提出词向量的概念后，NLP领域仿佛一下子进入了embedding的世界，Sentence2Vec、Doc2Vec、Everything2Vec。词向量基于语言模型的假设——“一个词的含义可以由它的上下文推断得出“，提出了词的Distributed Representation表示方法。相较于传统NLP的高维、稀疏的表示法(One-h
Doc2Vec文本分类
文本分类模型，该模型使用gensim Doc2Vec生成段落嵌入，并使用scikit-learn Logistic回归进行分类。
数据集
25,000个IMDB电影评论，特别选择用于情感分析。 评论的情绪是二进制的（1表示肯定，0表示否定）。
与以下出版物相关联地收集了此源数据集：
Andrew L. Maas, Raymond E. Daly, Peter T. Pham, Dan Huang, Andrew Y. Ng, and Christopher Pott
