数据集用户id、商品id等cutoff问题

[shuDaoNan9]

运行DCN模型跑下面这个数据集时候有些疑问： http://labs.criteo.com/2014/02/download-kaggle-display-advertising-challenge-dataset/ Kaggle Display Advertising Challenge Dataset 我看里面数据格式是： The columns are tab separeted with the following schema:

... ... 并没有区分用户id、商品id，那这样如何给用户做推荐呢？而且我看get_criteo_feature.py处理的时候，很多categorical 类型数据直接被截断没了，那如何区分开用户呢？ parser.add_argument( "--cutoff", type=int, default=200, help="cutoff long-tailed categorical values" ) 谢谢！

[Ethan199111]

切断是为了控制ids类特征做embedding的长度, 让长尾的ID都索引到0的位置，如果你知道怎么用参数服务器处理大规模稀疏ID特征，也可以所以的都加入训练