AutoDis: 连续型特征embedding新方法

An Embedding Learning Framework for Numerical Features in CTR Prediction

KDD2021｜AutoDis: 连续型特征embedding新方法！ - 知乎

总结

该文章提出了AutoDis。该方法具有以下三种优点：1. 高模型容量。2. 自动离散化，端到端训练。3. 连续特征embedding具有唯一的表示。感兴趣的同学可以动手实践下，该文章已开源[1]。笔者认为，该文章具有很好的借鉴价值，大家可以在自己的任务上或者业务中进行尝试，欢迎大家交流。