《Wide & Deep Learning for Recommender Systems》 学习记录
在有稀疏输入的大规模的回归和分类问题中,对普通的线性模型进行非线性特征转换是很广泛的。当普通的方法需要很多特征支持的时候,通过交叉积特征转换的一个很广泛的集合的记忆式方法很有效;在有较少的特征的工程中,深度神经网络可以通过对稀疏数据进行低维度的稠密嵌入学习而生成较好的没有见过的特征组合。但是有嵌入的深度神经网络会过分普遍化和当用户和项的交互很稀疏和高阶的时候会推荐较少的相关项
翻译
2017-11-23 10:02:02 ·
1488 阅读 ·
1 评论