DeepFM是华为诺亚方舟实验室在2017年提出的一种融合深度学习与因子分解机的推荐系统模型，它是Wide&Deep模型的改进版，用FM替换LR以增强信息提取能力。学习DeepFM前需了解FM和Wide&Deep。该模型并非仅是FM与LR的简单区别，其复杂性和优势在于更高效地捕获特征交互。参考资源包括DeepFM原理详解博客及代码实现仓库。
《原始论文：DeepFM: A Factorization-Machine based Neural Network for CTR Prediction》
DeepFM 是由华为诺亚方舟实验室在 2017 年提出的模型。
正如名称所示，DeepFM 是 Deep 与 FM 结合的产物，也是 Wide&Deep 的改进版，只是将其中的 LR 替换成了 FM，提升了模型 wide 侧提取信息的能力。
学 DeepFM 之前建议先了解 FM 与 Wide&Deep。
DeepFM 与Wide&Deep 只是 FM 与 LR 的区别么？并不是。
参考资料：
推荐算法(四)——经典模型 DeepFM 原理详解及代码实践）
完整的推荐算法复现代码可参考仓库：https://github.com/jc-LeeHub/Recommend-System-tf2.0
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
