Heng-Tze Cheng

概述

Google 研究员，Wide & Deep Learning for Recommender Systems（2016）论文的第一作者，该论文开创了推荐系统中"记忆与泛化统一"的双路模型架构范式。

关键内容

1. Wide & Deep 第一作者：作为 16 人作者团队的第一作者，Heng-Tze Cheng 领导了 Wide & Deep 模型的研究工作，该模型将线性模型（Wide）和深度神经网络（Deep）联合训练，在统一框架内同时实现记忆与泛化能力。
2. Google 推荐系统研究：工作于 Google Inc.，参与了 Google Play 应用推荐系统的工业级落地，将 Wide & Deep 模型应用于服务 10 亿+活跃用户和 100 万+应用的超大规模推荐场景。
3. 学术影响：Wide & Deep 论文发表后成为推荐系统领域最高被引论文之一（超过 5000 次引用），深刻影响了后续 DeepFM、DCN、xDeepFM 等主流推荐模型的设计方向。

来源

• Heng-Tze Cheng et al. — Wide & Deep Learning for Recommender Systems, DLRS 2016 (arXiv:1606.07792)

相关

• Wide & Deep — 第一作者的标志性工作