Wide & Deep Learning for Recommender Systems

ABSTRACT 通過特徵的向量積（cross-product）對特徵交叉的記憶具有可解釋性，而泛化又需要更多的特徵工程。而DNN通過對稀疏特徵學習低維稠密的embedding表示對未出現的特徵組合具有良好的泛化性能。但是，當用戶物品關係比較稀疏，維度又比較高時，DNN容易過度泛化，推薦一些不相干的物品。文中提出Wide&Deep 學習，同時訓練wide 部分和dnn，將記憶性和泛化性結合在一起。

>>阅读原文<<