问题：
要做一个CTR预估模型；
通过之前的数据挖掘，我得到了用户对标签的偏好数据：
[('标签1', 0.8), ('标签2', 0.65), ('标签3', 0.32), ('标签4', 0.05)]
列表的每一个元素包含两个分量，分别是标签、偏好权重；
问题是，这样的一个特征，怎样输入到模型？
我只知道，对于标签1、标签2、标签3这样是分类特征，可以用one hot编码；
然而我不知道这里的权重怎么使用呢？，我想到2种方法：1、先给标签1、标签2、标签3做one-hot编码，然后自己找到每个数字为1的位置，把数字1替换成权重；2、对所有标签映射到一个大数组，找到标签在数组的下标，设置为权重，其他的都是0；
这两种方法哪种更好，或者有其他方法吗？
这个问题也有其他场景：用户的历史行为比如播放的ID列表，统计会得到：
[播放itemid，频次]的列表，怎么作为特征输入到模型？
方法：
1、可以直接把权重作为那一维度的特征吧，就是比如favori_entity_延禧攻略，这个特征，特征值就是weight
2、可以看成特殊的one-hot, 把one-hot里面的1用weight代替，作为一个连续值特征
一种做法，打平成单独维度特征
如果是tensorflow，问题的答案在这个文章：
https://zhuanlan.zhihu.com/p/41663141
超级的详细，1、单个特征有有多分类怎么处理，比如[('cat_a','cat_b), (cat_b, cat_c)]；2、如果是加权cat列表怎么办，比如用户的tag偏好列表：[('IT', 0,8), ('音乐',0.6)]；
对于第一个问题，用cat_vocu_list加上Indicator_column，第二个，用weighted_categorical_column