推荐模型-上下文感知-2018:xDeepFM模型【xDeepFM是对DCN(Deep&Cross)的改进,不是对DeepFM的改进】【中科大】
amp 模型 推荐 2018 不是 改进 上下文 Deep
2023-09-27 14:20:39 时间
Jianxun Lian at al. “xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems.” in SIGKDD 2018.
乍一看论文标题xDeepFM还以为是对DeepFM的改进,实际上不是,xDeepFM是对DCN(deep&cross network)的改进。
今天介绍的这个模型,叫做xDeepFM(eXtreme DeepFM),这是2018年中科大联合微软在KDD上提出的一个模型,在DeepFM的前面加了一个eXtreme,看这个名字,貌似是DeepFM的加强版,但当我仔细的读完原文之后才发现,如果论血缘关系,这个模型应该离着DCN更近一些,这个模型的改进出发点依然是如何更好的学习特征之间的高阶交互作用,从而挖掘更多的交互信息。
而基于这样的动机,作者提出了又一个更powerful的网络来完成特征间的高阶显性交互(DCN的话是一个交叉网络), 这个网络叫做CIN(Compressed Interaction Network),这个网络也是xDeepFM的亮点或者核心创新点了(牛x的地方), 有了这个网络才使得这里的"Deep"变得名副其实。而xDeepFM的模型架构依然是w&D结构,更好的理解方式就是用这个CIN网络代替了DCN里面的Cross Network, 这样使得该网络同时能够显性和隐性的学习特征的高阶交互(显性由CIN完成,隐性由DNN完成)。 那么为啥需要同时学习特征的显性和隐性高阶交互呢? 为啥会用CIN代替Cross Network呢? CIN到底有什么更加强大之处呢? xDeepFM与之前的DeepFM以及FM的关系是怎样的呢?
一、论文动机
相关文章
- poj 1681 Painter's Problem(高斯消元)
- C/C++ 排序&&查找算法(面试)
- 【前端学习之HTML&CSS】-- CSS第八篇 -- 视觉格式化模型之三 定位
- MVP ComCamp & GCR MVP Openday 2014
- Linux— 查看系统的位数
- ECOMP平台开源,AT&T持续发力SDN/NFV
- 【转】HTTP学习---图解HTTP[三次握手&&ISO模型]
- 百度BML&飞桨训练营(二)基本流程熟悉NLP简单模型训练
- 多硬件异构&从硬件层到算法层评估提升模型性能-英特尔openVINO工具套件课程总结(中)
- POJ1833 & POJ3187 & POJ3785 next_permutation应用
- <十一>读<<大话设计模式>>之抽象工厂模式
- 矿Java开发学习之旅------>Java排序算法经典的二分法插入排序
- BEGINNING SHAREPOINT® 2013 DEVELOPMENT 第2章节--SharePoint 2013 App 模型概览 理解三个SharePoint 部署模型 Apps
- 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
- AT&T揭开Network Functions on Demand神秘面纱