知识卡片
DeepFM以FM替代Wide部分
DeepFM把FM与深度网络整合进Wide&Deep式的双结构,但用FM替换原来的Wide部分,以加强浅层的特征组合能力。它的关键设计是FM部分与Deep部分共享同一套Embedding:把Embedding向量当作FM里的特征隐向量做两两交叉,再把FM输出与深度网络输出一起送入输出层拟合目标。相比Wide&Deep中Wide部分不具备自动组合能力的缺陷,DeepFM用FM补上了这一环;动机与DeepCross完全一致,区别只在于一个用多层Cross网络、一个用FM做特征组合。它说明双路架构是可扩展的骨架,替换其中一路即可派生新模型。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 浪潮之巅——深度学习在推荐系统中的应用 · 查看原书依据
诸多模型延续了双模型组合的结构,DeepFM就是其中之一。DeepFM对Wide&Deep模型的改进之处在于,它用FM 替换了原来的 Wide 部分,加强了浅层网络部分特征组合的能力。
参考来源
- 位置:《深度学习推荐系统》第3章 浪潮之巅——深度学习在推荐系统中的应用(源文件:extracted/深度学习推荐系统/_epub-src/text/part0007_split_007.html)
- 结论依据:原文指出DeepFM用FM替换Wide部分、两路共享Embedding,并比较其与DeepCross的动机异同。
- 原始内容:诸多模型延续了双模型组合的结构,DeepFM就是其中之一。DeepFM对Wide&Deep模型的改进之处在于,它用FM 替换了原来的 Wide 部分,加强了浅层网络部分特征组合的能力。