一些思考

（1）senet来加权doc/user塔中不同类型的特征，其中senet映射到k个维度，为啥不做softmax，而是使用sigmoid或relu？

（2)为啥要用senet来加权不同类型的特征呢，直接将这些特征concat后过dnn不行吗

（3）senet中每个case对应的不同特征权重差别大吗，是否可以指定一个权重，而不用senet去学习？

（4）为啥有些MLP中先将维度扩展再压缩，比如原先是(batch_size,64)，先变为(batch_size,256)，再变为(batch_size,32)？

我的理解是扩维的目的是让模型有能力生产更多交叉特征，降维度是从大量特征中聚合出更重要的特征来

（5）