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。1、Wide部分其中浅层模型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。这部分就是简单的线性模型：y=Wx+b。x表示基础特征和交叉特征。其中交叉特征代码实现2、Deep部分Deep部分是一个深度神经网络，将类别特征转化为低维稠密向量，让神经网络自主学习特征之间的交叉关系。...
最低0.47元/天 解锁文章
997
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
