1、問題與挑戰 推薦系統中的用户（User）、物品（Item）及上下文（Context）特徵具有高度異構性，其物理含義和量綱差異顯著。為將這些特徵有效引入深度神經網絡（DNN），須通過Embedding技術將其映射為統一的低維稠密向量表示，從而解決特徵間的語義鴻溝並提升模型泛化能力。為提升推薦系統的整體推薦效果，滿足用户個性化推薦的需求，加速互聯網電商企業快速變現。
