知识卡片

普通读书笔记卡 · 9905.c · 生成模型:Hunyuan

DeepCrossing完整深度学习架构

理解等级:中级

Deep Crossing是深度学习架构在推荐系统中的第一次完整落地,它针对Bing搜索广告CTR预估,打通了从原始特征、稀疏向量稠密化、自动特征交叉到输出层目标拟合的端到端流程。相比AutoRec只有单隐层、表达力弱,它用Embedding加多层神经网络把特征交叉全交给模型,不再依赖人工特征工程。它的历史意义在于给出一套可复用范式:后续许多模型都是在这套骨架上替换某一层而来。相对FM和FFM只能做二阶交叉,Deep Crossing靠加深网络实现深度交叉,这也是其名称的由来。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深度学习推荐系统》第3章 浪潮之巅——深度学习在推荐系统中的应用(源文件:extracted/深度学习推荐系统/_epub-src/text/part0007_split_003.html) - 结论依据:原文称其完整解决了特征工程、稀疏向量稠密化、多层网络目标拟合等问题,并指出相对FM的深度交叉优势。 - 原始内容:相比AutoRec模型过于简单的网络结构带来的一些表达能力不强的问题,Deep Crossing模型完整地解决了从特征工程、稀疏向量稠密化、多层神经网络进行优化目标拟合等一系列深度学习在推荐系统中的应用问题,为后续的研究打下了良好的基础。