FM、FFM等ctr模型的整理分析

本文深入探讨了FM(Factorization Machines)和FFM(Field-Aware Factorization Machines)两种模型的结构。FM模型中,embedding层后的特征内积简单输出结果;而FFM在embedding层引入了特征字段感知的操作,为不同字段内的特征提供定制化的embedding,从而增强模型的表现力,尽管仍不及某些深层网络架构。
摘要由CSDN通过智能技术生成

FM

结构图

在这里插入图片描述

理解

FM的embedding层并没有对特征区分不同的操作,embedding之后即对 ei进行内积操作得到结果后简单的输出最终结果

FFM

结构图

在这里插入图片描述

理解

FFM相比FM在embedding层加入了文中的operation-aware操作,即对每次不同的内积操作,同一个特征的embedding方法是不同的。但相比ONN没有deep部分以及embedding的原始结果作为deep部分的输入,所以表现力还是有所欠缺。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

KryHan

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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