「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
文章!!首发于我的博客 Stray_Camel (^U^) ノ~YO。