宽度 & 深度学习 特点对比

  为了提高神经网络的性能，是应该增加宽度呢？还是应该增加深度呢？增加宽度和增加深度各有什么样的效果呢？
本文对论文《Wide & Deep Learning for Recommender Systems Heng-Tze》中关于宽度模型和深度模型的对比实验进行介绍。

推荐系统

  本论文基于推荐系统，推荐系统的运作如图。以APP推荐为例，首先用户在查询入口输入关键字，系统自动将Database中的items对关键字进行匹配，从而Retrieval一定的items，这些items将根据之前使用用户的各种行为数据logs学习到的model进行Ranking，从而将用户更可能下载的APP排在前面。

模型介绍

  这里的模型，是针对上图中的Model模型。作者提及在推荐系统中最重要的两个特性是Memorize和generalize。Memorize的过程就是根据以往用户的数据训练模型的过程，类似training；generalize就是使用model对新的输入数据进行预测。
  作者对比了三种模型，如下图，分别是宽度模型（wide models），深宽结合模型（wide&deep models）深度模型（deep models）。对于各模型的特点理解，故名思意，不做更多解释。