Created by: leesusu

我们这边初步的需求是：

FTRL的稀疏性是作用在模型的每个权重上的，粒度较细，对于embedding，每一行特征是一个整体，所以希望产生的稀疏解能作用在一整行上。

为此我们调研了近期facebook的论文： 《Feature Selection for Facebook Feed Ranking System via a Group-Sparsity-Regularized Training Algorithm》

大致的思想如下：

图1、2是论文里的想法，对于nn模型的w，按行或者按列稀疏化，图3是我们这边的拓展，对于embedding，也可以按行进行稀疏化。

因此，我们希望实现G-FTRL优化器，并希望能得到PaddlePaddle社区的宝贵建议。如果可行，我这边会负责跟进编码并提交pr，感谢。