日前，第四范式提出了全新的深度神經(jīng)網(wǎng)絡(luò)表數(shù)據(jù)分類模型——深度稀疏網(wǎng)絡(luò)（NON），通過充分捕捉特征域內(nèi)信息、刻畫特征域間潛在相互作用、深度融合特征域交互操作的輸出，獲得超過LR、GBDT等常用算法及FFM、Wide&Deep、AutoInt等基于深度學(xué)習(xí)算法的分類效果，提升了表數(shù)據(jù)的預(yù)測準(zhǔn)確度。未來，第四范式還將基于軟硬一體化技術(shù)，持續(xù)優(yōu)化深度稀疏網(wǎng)絡(luò)，在保證模型效果、計算效率提升的同時，進(jìn)一步降低算力成本，以推動新技術(shù)應(yīng)用落地。