RS笔记:深度推荐模型之WideDeep [2016.6 谷歌]
Wide&Deep
- 一、背景知识
- 1.1 问题:特征(属性)和特征取值的区别是什么?
- 1.2 如何理解记忆性Memorization和泛化性Generalization
- 二、Wide&Deep模型
- 2.1 Wide侧如何处理低阶特征交叉(请有经验的人员帮忙设计)
- 2.2 Wide&Deep和DeepFM的区别
- 三、Wide&Deep代码实战(以deepctr库为例,对比DeepFM代码)
- 四、Wide&Deep常见面试题
- 问题1:DeepFM就是把Wide & Deep中的Wide部分改成了FM喽?
- 问题2:Wide&Deep的Wide部分有什么缺陷?如何改进?
- 问题3:wide&&de