run_multivalue_movielens.py 的genres变长类别为什么不直接用multi-hot ?

[civilman628]

run_multivalue_movielens.py 在处理 genres 用了 VarLenSparseFeat(). 这个做法比直接用genre 的multi-hot array 有什么优势么 ？ 程序从数据集得到的单个样本变长标签的最大长度是5. 但是这个不是genre 的类别个数。实际genre的label个数是18. 难道用5维数组输入到模型学习的参数就会少很多么？在实际应用中很难预估最大长度，其上限就应该等于这个 feature 的 len(unique (feature)). 所以直接用multi hot 会对训练和准确度有影响 ？

[nickyang28]

我也有这个问题，为什么不用multi-hot array而用了VarLenSparseFeat()。而且我还在想combiner会不会损失信息

[shuDaoNan9]

个人见解是：为了降维；通过嵌入技术，将类别特征降低映射到低维数值向量空间，节省时间、空间，加速计算。但不清楚内部封装的怎么做的，传统word2vector需要文本段，genre还好，但是其他类别特征都一个个单独的，不知道内部怎么转的。

[ChildishChange]

个人观点：我觉得varlen类型的特征一开始不是为了给multihot用的，是为了给din处理序列信息的，只是它顺便还可以简单地代替multihot的功能