← 返回卡片

原书出处

深度学习推荐系统

03 第3章 浪潮之巅——深度学习在推荐系统中的应用

核验版本的摘录快照 · 导入于 2026-11-19T07:39:55.621Z

的特征Embedding向量经过特征交叉池化层的交叉,将各交叉特征向量进行“加和”,输入最后由多层神经网络组成的输出层。

问题的关键在于加和池化(Sum Pooling)操作,它相当于“一视同仁”地对待所有交叉特征,不考虑不同特征对结果的影响程度,事实上消解了大量有价值的信息。

这里“注意力机制”就派上了用场,它基于假设——不同的交叉特征对于结果的影响程度不同,以更直观的业务场景为例,用户对不同

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习推荐系统/_epub-src/text/part0007_split_008.html

EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382