1. Motivation

神经网络对所有特征进行无差别的交叉，在一定程度上忽略了原始特征向量中包含的有价值信息。综合原始特征及交叉特征，让特征交叉的方式更加高效非常重要。

2. Wide&Deep——记忆、泛化能力的综合

1. 记忆能力（Wide)

模型直接学习并利用原始数据中物品或者特征共现频率的能力。表达式如下：

2. 泛化能力（Deep）

模型传递特征的相关性，发掘稀疏甚至从未出现过的稀有特征与标签相关性的能力。（如深度神经网络通过特征的多次自动组合，可以深度发掘数据中潜在的模式，即使是非常稀疏的特征向量输入，也能得到较平稳的推荐概率），公式如下：

2. 综合Wide和Deep

3. Wide&Deep结构

Wide&Deep模型

Wide&Deep模型详细结构