Wide & Deep Learning for Recommender Systems 翻譯

摘要 通過將稀疏數據的非線性轉化特徵應用在廣義線性模型中被廣泛應用於大規模的迴歸和分類問題。通過廣泛的使用交叉特徵轉化，使得特徵交互的記憶性是有效的，並且具有可解釋性，而然不得不做許多的特徵工作。相對來說，通過從稀疏數據中學習低緯稠密embedding特徵，並應用到深度學習中，只需要少量的特徵工程就能對潛在的特徵組合具有更好的範化性。 但是當用戶項目交互是稀疏和高緯數據的時候，利用了embeddi

>>阅读原文<<