推荐模型-上下文感知-2017:DeepFM
模型 推荐 2017 上下文 感知
2023-09-27 14:20:39 时间
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
相关文章
- 『NLP经典项目集』08: 使用预训练模型完成阅读理解
- AI模型高性能服务化部署
- Google Earth Engine(GEE)——NOAA海平面上升数字高程模型(DEMs)
- 一文看懂推荐系统:排序05:排序模型的特征
- 一文看懂推荐系统:召回08:双塔模型——线上服务需要离线存物品向量、模型更新分为全量更新和增量更新
- 一文看懂推荐系统:召回06:双塔模型——模型结构、训练方法,召回模型是后期融合特征,排序模型是前期融合特征
- 【前端学习之HTML&CSS】-- CSS第五篇 -- 盒模型及其应用
- 模型推荐丨新闻传播大数据项目案例模型分享
- 大数据挖掘建模平台和模型交易平台怎么用?
- 推荐系统中双塔模型损失函数设计
- Pytorch中的模型的save和load方法,网络结构理解
- C/S模型之命名管道
- 【推荐系统】:Deep Crossing模型解析以及代码实现
- CAD中如何打印三维模型的消隐或着色效果?CAD打印设置技巧
- Netty是什么,Netty为什么速度这么快,线程模型分析