Wide Deep Learning for Recommender Systems

简介

Google提出的一种推荐模型, 利用Wide和Deep两部分分别捕捉推荐过程中的特征并进行联合训练, 在Google AppStore上进行了实践, App的购买率得到了提升.

重点

文章中提出了以下几个概念:
Memorization ; Generalization ; Cross-product transformation

Memorization 指的是从历史数据中总结并记忆规则的能力, 而Generalization指的是根据已有规则进行泛化的能力.
Cross-product transformation 指的则是不同特征之间相互组合构成新特征的过程.

Tensorflow的Models中有现成的实现, 分别在 Census 和 MovieLens 上进行了预测.

实验虽然有效果, 但是感觉效果提升并不大. 比较的范围也比较小, 仅进行了 Only Wide, Only Deep 和 Wide & Deep 三者的比较, 感觉缺乏说服性.

相关链接

Paper Link : Wide Deep Learning for Recommender Systems
Google AI Blog Wide & Deep Learning: Better Together with TensorFlow
TensorFlow Linear Model Tutorial
TensorFlow Wide & Deep Learning Tutorial
CTR预估专栏 | 详解Wide&Deep理论与实践