知识卡片
DeepCrossing四层网络结构
Deep Crossing的内部网络由四层依次构成:Embedding层把one-hot类别特征压成几十到上百维的稠密向量,数值型特征则跳过它直接进入下一层;Stacking层把各类Embedding与数值特征拼接成一个完整向量;Multiple Residual Units层用多层残差网络对向量各维充分交叉,抓取非线性组合信息;Scoring层按任务选逻辑回归或softmax拟合优化目标。这个分层设计把稀疏稠密化、特征交叉、目标拟合三个难题一一对应解决,是理解后续模型改造的基线结构。
结构图:
flowchart LR
F[原始特征 类别与数值] --> E[Embedding层 稀疏转稠密]
F -.数值特征直接.-> S
E --> S[Stacking层 拼接]
S --> R[Multiple Residual Units 残差交叉]
R --> C[Scoring层 逻辑回归或softmax]
C --> O[CTR预估输出]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第3章 浪潮之巅——深度学习在推荐系统中的应用 · 查看原书依据
如图3-6所示,其网络结构主要包括4层——Embedding层、Stacking层、Multiple Residual Units层和Scoring层。接下来,从下至上依次介绍各层的功能和实现。
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:原文明确列出Embedding、Stacking、Multiple Residual Units、Scoring四层及其各自功能。
- 原始内容:如图3-6所示,其网络结构主要包括4层——Embedding层、Stacking层、Multiple Residual Units层和Scoring层。接下来,从下至上依次介绍各层的功能和实现。