推荐模型-上下文感知-2017:DeepFM模型【Wide&Deep 的改进版】【将Wide侧的LR替换成了FM,提升了模型Wide侧提取信息的能力】
amp 模型 信息 提升 推荐 2017 能力 提取
2023-09-27 14:20:39 时间
《原始论文:DeepFM: A Factorization-Machine based Neural Network for CTR Prediction》
DeepFM 是由华为诺亚方舟实验室在 2017 年提出的模型。
正如名称所示,DeepFM 是 Deep 与 FM 结合的产物,也是 Wide&Deep 的改进版,只是将其中的 LR 替换成了 FM,提升了模型 wide 侧提取信息的能力。
学 DeepFM 之前建议先了解 FM 与 Wide&Deep。
DeepFM 与Wide&Deep 只是 FM 与 LR 的区别么?并不是。
参考资料:
推荐算法(四)——经典模型 DeepFM 原理详解及代码实践)
完整的推荐算法复现代码可参考仓库:https://github.com/jc-LeeHub/Recommend-System-tf2.0
相关文章
- BEGINNING SHAREPOINT® 2013 DEVELOPMENT 第9章节--client对象模型和REST APIs概览 Windows Phone
- 控制论模型&心流模型&波模型
- (数据科学学习手札23)决策树分类原理详解&Python与R实现
- js解析url参数如http://www.taobao.com/index.php?key0=21&key1=你哈&(获取key0和key1的值)
- NodeJS环境配置NPM&CNPM&YARN①
- 【Map与Set】之LeetCode&牛客练习
- 学习笔记(36):Python网络编程&并发编程-IO模型介绍
- 【深度学习】——模型评估指标MAP计算&实例计算
- 工具说明书 - Git: stash & clean
- 【Unity入门计划】制作RubyAdventure03-使用碰撞体&触发器实现世界交互
- [转] JS运算符 &&和|| 及其优先级