推荐系统
Wide Component:
一层线性结构（类似lr），特征包括raw feature以及手工特征（如cross product）
Deep Component：
embedding离散特征到低维dense vector，接dnn
Joint Training：
joint training 与 ensemble 不同，ensemble需要相互独立的large model 来确保准确性，而joint training每一部分并不需要足够大，尤其对于cross product feature
output层简单地concat（Wide Component，Deep Component），在线优化采用ftrl（Follow The Regularized Leader）
FTRL
Details：
每一类特征embedding size是32，总共约1200维特征串联，
Example：
评估：
好像也并不是很有创意，就是简单地把cross product、embedding、dnn排列组合了下。。。
