1.稀疏特征和密集特征
2.wide&deep简介
wide&deep模型曾被谷歌用来作为谷歌商店的推荐算法,就是根据你浏览了啥,分析之后给你推荐啥。
google曾于 2016 年在DLRS上发表了一篇文章:2016-Wide & Deep Learning for Recommender Systems,模型的核心思想就是结合线性模型的记忆能力(memorization)和 DNN 模型的泛化能力(generalization),在训练过程中同时优化 2 个模型的参数,从而达到整体模型的预测能力最优。
记忆(memorization)即从历史数据中发现item或者特征之间的相关性。
泛化(generalization)即相关性的传递,发现在历史数据中很少或者没有出现的新的特征组合.