YAML 配置文件

YAML 配置文件用于定义 sparse 特征（稀疏特征） 

YAML 配置文件的核心作用是桥接原始数据与模型。它明确告诉了系统：

1. 如何处理原始数据中的稀疏字段。
2. 为这些字段创建多大的嵌入矩阵。
3. 将这些字段映射到多少维的向量。
4. 如何共享这些嵌入权重。

通过修改这个配置文件，你可以轻松地实验不同的特征组合、嵌入维度、哈希空间大小等，而无需修改核心模型代码。

配置背后的工作原理

当你定义了这样一个 YAML 文件后，机器学习平台（如 PaddleRec、DeepCTR 等）的特征工程和模型构建模块会：

1. 数据解析：根据 expression，从原始数据中解析出每个样本的 user_id 原始值（例如 123456）。
2. 特征转换：
   • 对于整数ID：直接将其作为索引。如果值 >= boundary，通常会进行取模操作 (123456 % 1000000) 以保证索引不越界。
   • 对于字符串：先进行哈希 hash("Sci-Fi") % hash_size，得到索引。
3. 嵌入查找 (Forward Pass)：
   • 系统会初始化一个可训练的嵌入矩阵，其形状为 (boundary或hash_size, embedding_dim)。
   • 在模型前向传播时，根据转换后的索引，从对应的嵌入矩阵中查找出对应的 embedding_dim 维向量。
   • 例如：embedding_matrix = [ [0.1, 0.2, ...], ..., [0.4, 0.5, ...] ] # shape: [1000000, 16]
   • 索引 123456 对应的向量就是 embedding_matrix[123456]。
4. 输入模型：查找出的嵌入向量将作为神经网络下一层的输入。