ahdaizhixu的博客

DIN1. 背景2. 模型原理2.1 特征表示2.2 base模型3. DIN的进阶4. 代码实现参考来源：https://github.com/datawhalechina/team-learning-rs/blob/master/DeepRecommendationModel/DIN.mdhttps://blog.csdn.net/friyal/article/details/83063948https://zhuanlan.zhihu.com/p/783652831. 背景阿里巴巴

NFM1. 动机2. 模型结构与原理3. 代码实现1. 动机2. 模型结构与原理3. 代码实现

DeepFM1. 引言1.1 学习总结1.2 研究背景1.3 已有模型的介绍2. DeepFM模型结构与原理2.1 FM2.2 Deep2.3 DeepFM3. 代码实现本文主要参考来源-Datawhale：https://github.com/datawhalechina/team-learning-rs/blob/master/DeepRecommendationModel/DeepFM.md1. 引言1.1 学习总结通过这段时间的学习，逐渐发现了学习过程中的一些规律。可能也是巧合，很多模型的名

目录1. 动机2. 模型结构及原理3. 代码实现文章参考来源：点击此处1. 动机在CTR预估任务中利用手工构造的交叉组合特征来使线性模型具有“记忆性”，使模型记住共现频率较高的特征组合，往往也能达到一个不错的baseline，且可解释性强。但这种方式有着较为明显的缺点：特征工程需要耗费太多精力。模型是强行记住这些组合特征的，对于未曾出现过的特征组合，权重系数为0，无法进行泛化。为了加强模型的泛化能力，研究者引入了DNN结构，将高维稀疏特征编码为低维稠密的Embedding vector，这种