比如用户的分类偏好、用户的历史观影行为，都是变长的元素列表，怎么输入到模型？
这个问题很多人遇到，比如这些：
- Feeding variable length list data (from csv) to an 'indicator_column' feature
- How to input a list of lists with different sizes in tf.data.Dataset
有几种方法，但都还没有完美解决问题：
1、multi-onehot
自己创建一个大数组，把变长元素对应位置设置为1；
比如这个特征有两个值：
值1：a、b、c
值2：b、c、d
那么词表是a、b、c、d
值1就变成了[1,1,1,0]，值2变成了[0,1,1,1]
这种方式最灵活，因为如果遇到了带有权重的分类列表，也能搞定：
比如
值1：[(a,0.8), (b,0.7), (c, 0.6)]
值2：[(b,0.5), (c, 0.4), (d, 0.3)]
那么词表依然是a、b、c、d，但是对应权重却可以放到原来为1的位置上；
值1变成了：[0.8, 0.7, 0.6, 0]
值2变成了：[0, 0.5, 0.4, 0.3]
然而这种方法tensorflow的feature column不支持，只能自己做映射转换
2、变成定长
以下两种方式，tensorflow的feature column可以支持
变成定长方法1：截取前TOP N个元素
来自资料：
http://proceedings.mlr.press/v7/niculescu09
有个PDF，看截图：
使用的方法，是先计算每个词语的频率，然后去TOP10的频率；
对于这种方法，个人感觉，如果是用户的分类偏好(分类，权重)列表，可以按照权重排序，取TOP10；
也可以提取定长10个元素，并且反映了用户个性化的偏好；
变成定长方法2：使用padding补0
来自资料：tensorflow的官方文档
https://www.tensorflow.org/tutorials/text/text_classification_rnn
这是用0补齐的方式；
