文章目录
- 1、模型结构如下：
- 2、关键理解点：
- 3、代码实现细节：
- DeepFM: A Factorization-Machine based Neural Network for CTR Prediction。
- dfm由哈工大和华为合作发表在IJCAI-2017；模型结构很简单，wide&deep结构。
1、模型结构如下：
相比wide&deep [下文简称wd] 有如下创新与改进：
- wide端采用FM [deep端不变]，显式自动构造二阶特征。而wd中采用LR，需要人工构造交叉特征，这种方式需要两个特征共现，否则其权重无法训练。
- dfm中，fm与dnn共享底层embedding向量，这种方式也更符合现在推荐/广告领域里多任务模型多塔共享底层embedding的方式，然后end-to-end训练得到的embedding向量也更加准确。
deep端 - DNN： - 所有不同field的特征的embedding做concat输入dnn。
- 代码可这样
deep_output &
