「DeepFM: A Factorization-Machine based Neural Network for CTR Prediction」- 论文摘要

FNN

模型是基于 FM 来做改进的，实际上是在 FM 上叠加 NN。

• 输入的是各种稀疏特征
• 接下来经过 FM 层，去得到 FM 模型中对于特征的隐向量
• 通过隐向量可构造出 NN 的输入层 z:z=(W0, Z1, Z2,…, Zn)，而 Zi=(Wi, Vi1, Vi2,…, Vik)，其中 Wi 为 FM 中的一阶权重 Vi 对应的隐向量。
• 最后连接 NN 层，得到最终的结果。
• 损失函数：L (y, ˆ y) = −ylog ˆ y − (1 − y) log (1 − ˆ y)

FNN 最大的优势是不需要进行特征工程，其特征由隐向量构建得到。

本作品采用《CC 协议》，转载必须注明作者和本文链接