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

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

文章！！首发于我的博客Stray_Camel(＾Ｕ＾)ノ~ＹＯ。

当学习养成习惯，我的博客https://boywithacoin.cn/

讨论数量: 0

(=￣ω￣=)··· 暂无内容！

讨论应以学习和精进为目的。请勿发布不友善或者负能量的内容，与人为善，比聪明更重要！

帮助