推荐模型-上下文感知-2017：DeepFM

Huifeng Guo et al. "DeepFM: A Factorization-Machine based Neural Network for CTR Prediction." in IJCAI 2017.

DeepFM可以看做是从FM基础上衍生的算法，将Deep与FM相结合，用FM做特征间低阶组合，用Deep NN部分做特征间高阶组合，通过并行的方式组合两种方法，使得最终的架构具有以下特点。

   （1） 不需要预训练 FM 得到隐向量；
   （2） 不需要人工特征工程；
   （3）能同时学习低阶和高阶的组合特征；
   （4）FM 模块和 Deep 模块共享 Feature Embedding 部分，可以更快的训练，以及更精确的训练学习。

整体的架构体系如下，左侧为FM的结构层，右侧为Deep部分的结构层，两者公用相同的特征输入，其实我刚看到下面的图也有点懵逼，两部分分离的架构都好理解，但是那些红线和黑线都表示什么？为什么有Field的标识，从输入层网上传播时候为什么有embedding层，而且还分成不同的块？  这都是我刚看到如下图产生的疑问，经过阅读源码后，才有了较为清晰的理解，接下来进行一一的解答。

推荐系统 - DeepFM架构详解_deep fm_马飞飞的博客-CSDN博客