阅读文章:
https://blog.csdn.net/ISMedal/article/details/100578354
一、初始印象
1、来源
DeepFM相当于将Wide & Deep模型中的Wide部分的LR换成了FM。
2、wide & deep的思想与结构实现
Wide & Deep Learning 模型的核心思想是结合广义线性模型的记忆能力(memorization,体现在使用的特征都是已有的单一特征,和已有的交叉特征)和深度前馈神经网络模型的泛化能力(generalization,体现在使用的特征是多个特征进行交叉的结果,甚至从未出现过的交叉)。利用广义线性模型从历史数据中学习特征相关性,利用深度前馈神经网络揭示隐式特征之间的相互作用。在训练过程中同时优化 2 个模型的参数,从而达到整体模型的预测能力最优。
2.1、wide部分就是lr
2.2、deep部分
是一个深度前馈神经网络,将输入先转为one-hot编码,再进行dense embedding,结果作为网络的输入。其中dense embedding就是一个仿射变换(全连接,无激活函数)。
2.3、联合训练
通过将