请教embedding和fc层的区别
Created by: HugoLian
我看到book中推荐系统的网络结构，从用户、电影的原始输入，到feature之间，都是embedding_layer + fc_layer:
usr_gender_id = paddle.layer.data(name='gender_id', type=paddle.data_type.integer_value(2))
usr_gender_emb = paddle.layer.embedding(input=usr_gender_id, size=16)
usr_gender_fc = paddle.layer.fc(input=usr_gender_emb, size=16)请问：
1）这里embedding的作用是什么？
2）embedding和fc有什么区别呢？
另外我了解的embedding层，主要作用除了降维之外，embedding的输出结果还可以近似表达词之间的相关程度，这就需要训练的时候将输入切分成：context -> target的训练对语料：
实际上这样是一个三层的网络（输入，隐藏，输出），当使用的时候舍去输出层，用隐藏层的矩阵作为输出结果
请问：
3）咱们paddle的embedding_layer，是上述的概念么？
还有一个问题：
4）我看推荐这个例子中，用户的职业，性别等，都是one-hot，如果加入一个用户兴趣，那么兴趣可能是一组多个维度为1的vector，那么这中vector的输入，在embedding和fc层的输出结果，有什么区别呢？
问题比较多，希望各位大侠赐教！