DeepCTR模型优缺点对比

最新推荐文章于 2024-08-09 07:26:25 发布

ChristineC_

最新推荐文章于 2024-08-09 07:26:25 发布

阅读量1.2k

点赞数 3

分类专栏： Recommendation System

本文链接：https://blog.csdn.net/ChristineC_/article/details/104540015

版权

本文对比了多种深度学习点击率预测模型，包括FNN、PNN、AutoInt、Wide&Deep、DeepFM、XDeepFM、DCN、NFM、AFM、CCPM、FGCNN和FIBINET。这些模型主要通过改进embedding层来提升DNN的学习能力。

摘要由CSDN通过智能技术生成

模型	时间	模型结构	优缺点
FNN	2016.01	LR Embedding Layer MLP	FM需要预训练无法拟合低阶特征每个field只有一个非零值的强假设
PNN	2016.11	Embedding Layer Product Layer (Inner/Outer) MLP	对低阶特征的学习有限
AutoInt	2019.08	Embedding Layer Multi-head Self-attention Layer	categorical feature和dense feature都用embedding表示使用Multi-head Self-attention学习特征组合和权重
Wide&Deep	2016.06	Wide (memorization) LR Deep (generalization) Embedding Layer MLP	Wide部分需要人工特征工程 Embedding层Deep独有 Wide和Deep部分联合训练