CTR模型归纳来说就是三种类型的特征作为输入

int list

即 id list，输入模型后embedding_lookup

float list

float归一化后直接输入（即经过 [1, emb_dim] 的网络）

即一些比如价格、销量（归一化后）等特征

# input_feature_total_number 是 input_feature 有这么多维的float

emb_matrix = tf.get_variable(feature_name, [1, input_feature_total_number, emb_dim])

input_feature = tf.expand_dims(input_feature, -1) # 结果是[batch_size, input_feature_total_number, 1]

embed_feature = tf.multiply(input_feature, emb_matrix) # 结果是[batch_size, input_feature_total_number, emb_dim]

# 相当于每个float是1维特征，每一float维特征 经过 [1,emb_dim]的网络 转为 emb_dim维

float分桶转成int后再embedding输入，其实也是 int list

即比如 十等分或一百等分