推荐系统|Wide&Deep：
1.基本概念和思想
Memorization 和 Generalization是推荐系统很常见的两个概念，其中Memorization指的是通过用户与商品的交互信息矩阵学习规则，而Generalization则是泛化规则。
Memorization趋向于更加保守，推荐用户之前有过行为的items。相比之下，generalization更加趋向于提高推荐系统的多样性（diversity）。Memorization只需要使用一个线性模型即可实现，而Generalization需要使用DNN实现
2.代码实战
未完待续，先附上几个参考链接：
（1）关于Wide&Deep的相关知识：
https://blog.csdn.net/u010352603/article/details/80590129
（2）TensorFlow真官网
https://www.tensorflow.org是打不开的，官网如下：
https://tensorflow.google.cn
（3）Wide&Deep的TensorFlow官方文档
https://tensorflow.google.cn/api_docs/python/tf/keras/experimental/WideDeepModel
（4）相应的GitHub网址
https://github.com/tensorflow/tensorflow/blob/v2.3.1/tensorflow/python/keras/premade/wide_deep.py#L34-L219
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/165186.html
