2.4.3　Wide & Deep模型

Wide & Deep模型最早由Google提出来，并用于Android手机应用商店上APP的推荐排序。目前该算法在国内很多互联网企业得到大规模采用，有比较好的效果。该模型将传统模型和深度学习模型相结合。Wide部分（传统模型，如logistic回归）起记忆（memorization）的作用，即从历史数据中发现item（推荐内容）或特征之间的相关性，Deep部分（深度学习模型）起泛化（generalization）的作用，即相关性的传递，用于发现在历史数据中很少或者没有出现的新的特征组合，寻找用户的新偏好。通过将这两个模型结合起来可以更好地在用户的历史兴趣和探索新的兴趣点之间做到平衡。感兴趣的读者可以阅读本章参考文献[12]，第10章中也会对该模型进行更细致的介绍和分析。