mlp embedding层
时间: 2023-09-09 13:11:28 浏览: 87
引用中提到了MLP embedding层。在Deep Crossing模型中,MLP层是指多层感知器层,而embedding层是指将特征映射到低维度向量的层。在MLP embedding层中,每一个特征都对应一个embedding层,不同的embedding层之间相互独立。每个embedding层由一个全连接网络组成,负责将输入层的神经元连接到隐藏层的神经元。这个过程就是Word2vec模型中的从输入层到隐藏层的部分。所以,MLP embedding层可以将输入的特征通过全连接网络的方式转换为低维度的向量表示,以便于后续的处理和推荐任务。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [【王喆-推荐系统】模型篇-(task4)Embedding+MLP模型](https://blog.csdn.net/qq_35812205/article/details/121094641)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *3* [Embedding+MLP](https://blog.csdn.net/Edward_Legend/article/details/121479518)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]