Wide&Deep模型将浅层模型(Wide部分)的记忆能力和深层模型(Deep部分)的泛化能力结合起来,让推荐结果兼顾准确性和拓展性。
左边黑色框框住的部分为wide部分。
1、Wide部分
模型中Wide浅层模型部分的记忆能力指从历史数据中学到高频共现的特征组合的能力。这部分就是一个简单的线性模型:
x表示原始基础特征,表示交叉特征。交叉特征通过特定的变换函数对基础特征进行组合,论文中给出的是交叉积变换函数:
当第i个特征值属于第k个交叉特征时,
Wide&Deep模型将浅层模型(Wide部分)的记忆能力和深层模型(Deep部分)的泛化能力结合起来,让推荐结果兼顾准确性和拓展性。
左边黑色框框住的部分为wide部分。
模型中Wide浅层模型部分的记忆能力指从历史数据中学到高频共现的特征组合的能力。这部分就是一个简单的线性模型:
x表示原始基础特征,表示交叉特征。交叉特征通过特定的变换函数对基础特征进行组合,论文中给出的是交叉积变换函数:
当第i个特征值属于第k个交叉特征时,