DeepFM、xDeepFM

一、DeepFM

可以看到，整个模型大体分为两部分：FM（左边）和DNN（右边）。

FM Layer负责提取Wide特征，DNN部分(上图中的Hidden Layer 部分)提取deep特征，注意FM Layer 和Hidden Layer 共享输入层（Dense Embedding 层， 这个Embedding层得权重矩阵就是FM算法中的辅助矩阵V） 最后将两部分特征拼接到一起输出，这样该模型就具有学习高阶和低阶特征的能力。

模型大概的流程如下：
1.首先利用FM进行embedding得到Dense Embeddings的输出。
2.将Dense Embeddings的结果作为左边FM模块和右边DNN模块的输入。
3.通过一定方式组合后，模型左边FM模块的输出完全模拟出了FM的效果，而右边的DNN模块则学到了比FM模块更加高阶的特征交叉。
4.最后将DNN和FM的结果组合后激活输出。

补：市面上究竟有哪些基于特征组合的模型，他们又有哪些不足