深度推荐模型-DeepFM

最新推荐文章于 2024-01-19 08:00:00 发布
最新推荐文章于 2024-01-19 08:00:00 发布
阅读量280 收藏
点赞数
文章标签： python 人工智能 深度学习 推荐系统
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Etc_in_the_great/article/details/115039243
版权
DeepFM模型结合了FM和DNN，旨在解决CTR问题中的特征组合。它用FM替代Wide&Deep中的LR，自动学习交叉特征，同时原始特征作为FM和DNN的共享输入。模型结构包括一阶特征的FM层和用于高阶特征组合的Deep模块。代码实现中，模型分为线性、FM交叉和DNN高阶特征交叉三部分。
摘要由CSDN通过智能技术生成

一、动机

对于CTR问题，被证明的最有效的提升任务表现的策略是特征组合（Feature Interaction），在CTR问题的探究历史上来看就是如何更好地学习特征组合，进而更加精确的描述数据的特点。可以说这是基础推荐模型到深度推荐模型遵循的一个主要的思想。

  • DNN局限：当我们使用DNN网络解决推荐问题的时候由于在进行特征处理的时候我们需要使用one-hot编码来处理离散特征，导致输入的维度剧增，网络参数过于庞大。
    为了解决DNN参数量过大的局限性，可以采用非常经典的Field思想，将OneHot特征转换为Dense Vector
    转换过程
    然后再增加全连接层就可以实现高阶的特征组合
    结构
    但仍然缺少低阶的特征组合，于是增加FM来表示低阶的特征组合

  • FNN和PNN
    结合FM和DNN有两种方式，并行或者串行结合
    FNN模型
    FNN是使用预训练好的FM模块，得到隐向量，然后把隐向量作为DNN的输入，但是经过实验进一步发现，在Embedding layer和hidden layer1之间增加一个product层可以提高模型的表现，所以提出了PNN，使用product layer替换FM预训练层

最低0.47元/天 解锁文章
Etc_in_the_great
关注
深度学习推荐模型-DeepFM
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
03-21 696
深度学习推荐模型-DeepFM 本文参考链接，仅供个人学习：https://github.com/datawhalechina/team-learning-rs/tree/master/DeepRecommendationModel 相关学习书籍推荐：《深度学习推荐系统》王喆
DeepFM模型
Yasin的博客
09-11 5159
DeepFM： 在DeepFM提出之前，已有LR，FM，FFM，FNN，PNN（以及三种变体：IPNN,OPNN,PNN*）,Wide&Deep模型，这些模型在CTR或者是推荐系统中被广泛使用。但是，这些模型普遍都存在两个问题： 偏向于提取低阶或者高阶的组合特征，不能同时提取这两种类型的特征。 需要专业的领域知识人工做特征工程。 DeepFM在Wide&Deep的基础上进行改...
DeepFM
麦格芬230的博客
12-03 252
DeepFM模型包含FM和DNN两部分，FM模型可以抽取low-order特征，DNN可以抽取high-order特征。
Task02:DeepFM,DIN学习笔记
qq_42141843的博客
06-19 369
DeepFM,DIN学习笔记
DeepFM介绍
sherwinzhang的博客
11-10 2985
DeepFM 在前面一篇文章中提到，目前遇到特征组合的问题，主流做法主要会分成两类：FM系列、DNN系列。 关于DNN相关内容，是深度学习基础知识，本处不展开介绍，直接使用。本文主要介绍FM+DNN的结合体：DeepFM相关内容。 文章依旧主要从三方面展开对FM算法介绍 When – 什么时候需要考虑DeepFM算法 What – 究竟什么是DeepFM算法 How – DeepFM怎么使用 1. When 什么时候需要考虑DeepFM 基于CTR预估的推荐系统，究其根本，其实是学习到用户
深度推荐模型 - DeepFM
Joye_BNU的博客
03-20 734
DeepFM 文章目录DeepFM之前的模型的缺点和局限线性模型的局限性多项式模型的问题DNN的局限性FM（因子分解机）FFMFNN & PNNWide & DeepDeepFM 的结构和原理FM LayerDeepDeep FM模型的优点思考题如果对于FM采用随机梯度下降SGD训练模型参数，请写出模型各个参数的梯度和FM参数训练的复杂度。对于下图所示，根据你的理解Sparse Feature中的不同颜色节点分别表示什么意思SVM与FM的区别 参考： 论文原文 FM、FFM、DeepFM学习
tensorflow-DeepFM-master.zip
03-22
`tensorflow-DeepFM-master.zip` 是一个包含DeepFM模型实现的压缩包，特别适用于推荐系统的算法。DeepFM（Factorization Machine with Deep Neural Network）是一种融合了浅层特征组合和深度学习的推荐算法，它在...
【推荐系统】DeepFM模型分析
littlemichelle
07-07 1844
数据集 Criteo Dataset 包含45百万用户的点击记录，共有13个连续特征，26个分类特征。 一些好的链接： DeepFM推荐系统 论文+代码（数据来源+代码） https://github.com/whk6688/tensorflow-DeepFM（提供增量训练的代码） ...
搜索推荐DeepFM算法详解：算法原理、代码实现、比赛实战
最新发布
丨汀、的博客
01-19 4363
搜索推荐DeepFM算法详解：算法原理、代码实现、比赛实战
深度学习之DeepFM实操演练
yftadyz的博客
07-07 1434
本文描述了deepFM的基本原理和实现方法，并使用titanic数据集做了实操演练，训练并评估模型。
推荐算法之DeepFM
年轻即出发，
05-08 595
大部分特征交互都隐藏在数据中，难以先验识别（比如经典的关联规则 "尿布和啤酒 "就是从数据中挖掘出来的，而不是由专家发现的），只能由机器学习自动捕捉，而深度神经网络恰恰可以弥补该缺陷。DeepFM融合了DNN的高阶特征和FM的低阶特征。二阶特征交互：通过对主流应用市场的研究，我们发现人们经常在用餐时间下载送餐的应用程序，这就表明应用类别和时间戳之间的（阶数-2）交互作用是CTR预测的一个信号。DeepFM模型是FM模型和DNN模型的组合，将两者的输出结果相加，进行sigmoid激活，输出0-1之间的得分。
推荐模型——DeepFM
snowy19130140的博客
03-19 616
DeepFM模型IntroductionDeepFM模型FM部分Deep部分实验部分效率实验 DeepFM可以认为时Wide&Deep推荐模型的升级版，DeepFM模型同样由浅层模型和深层模型两部分联合训练得到。它们的不同点主要有以下两点： wide模型部分使用FM模型替换原先的LR模型。FM模型具有自动学习交叉特征的能力，避免了原始Wide&Deep模型中浅层部分人工特征的工...
CTR 预估模型简介--深度学习篇
u014033218的专栏
04-16 1284
本文主要介绍 CTR 预估中一些深度学习模型，包括 FNN、Wide&Deep、PNN、DIN、 Deep&Cross等。每个模型会简单介绍其原理、论文出处以及其一些开源实现。 FNN(Factorization-machine supported Neural Network) 模型结构 FNN 是伦敦大学于 2016 在一篇论文中发表的，模型的结构如下 FNN ...
TensorFlow Estimator 官方文档之----Feature column
热门推荐
黑暗星球
10-11 1万+
这个文档详细介绍了特征列（feature columns）的详情。可以将特征列看做raw data和Estimators间的介质。特征列非常丰富，使您可以将各种原始数据转换为Estimators可用的格式，从而可以轻松进行实验。 在内置Estimators部分的教程中，我们训练了一个tf.estimator.DNNClassifier去完成Iris花的分类任务。在该例子中，我们只使用了numeri...
【deepctr】学习入门笔记01
因上努力，果上随缘的博客
01-29 2641
目录了解准备工作1.下载包2.导入pycharm3.导入所需包代码（例：run_classification_criteo.py）导入所需包数据预处理1.对稀疏特征进行标签编码，对稠密特征进行简单转换2.计算每个稀疏字段的唯一特征数，并记录密集特征字段名称3.为模型生成输入数据4.定义模型、培训、预测和评估 了解 浅梦大神的这个写的还是就我而言 我觉得非常好了，非常值得操作一下 DeepCTR：易用可扩展的深度学习点击率预测算法包 首先下面两个链接是你最先需要了解的 github这个是这个包的开源代码（附数
DNNLinear组合分类器的使用 & Feature column
Black eyes的博客
04-08 1635
文章目录DNNLinearCombinedClassifier__init__trainevaluatepredictFeature column1.numeric_columns(数值列)2.bucketized_column(分桶列)3.categorical_column_with_identity(类别标识列)4.Categorical vocabulary column(类别词汇表)4....
DeepFM模型介绍及应用
冷的太明显
05-01 1万+
Introduction DeepFm模型 模型结构 FM Component Deep Component Introduction 对于一个基于CTR预估的推荐系统，最重要的是学习到用户点击行为背后隐含的特征组合。在不同的推荐场景中，低阶组合特征或者高阶组合特征可能都会对最终的CTR产生影响。 Wide & Deep Learning通过组合使用cross-p...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值