CTR 预估里高维稀疏特征怎么做 Embedding？从 LR、FM 到 Wide&Deep、DeepFM 的演进逻辑是什么？

一句话速记：稀疏特征通常通过 Embedding 查表映射为低维稠密向量。模型演进主线在于特征交叉的自动化：LR 依赖人工特征工程且缺乏泛化能力；FM 引入隐向量内积实现二阶交叉泛化与线性复杂度计算；Wide&Deep 兼顾记忆与高阶泛化但 Wide 部分仍依赖人工构造；DeepFM 通过共享 Embedding 实现了端到端的低阶与高阶特征联合建模。

推荐、CTR

同章节的其他八股

• ReLU、GELU、SwiGLU 有什么区别？大模型为什么偏爱门控激活？
• BatchNorm 和 LayerNorm 的区别？为什么 NLP 用 LayerNorm？
• Adam 和 AdamW 的区别？
• Warmup 的作用是什么？
• 梯度消失和梯度爆炸怎么解决？
• L1 和 L2 正则化有什么区别？
• 交叉熵损失怎么推导？二分类为什么不用 MSE？
• 训练中 loss 出现 NaN 怎么排查？
• 梯度累积的原理是什么？
• 余弦相似度、点积、欧氏距离有什么关系？
• KMeans 的流程、缺点和改进？
• Xavier 初始化和 Kaiming 初始化有什么区别？大模型怎么初始化？