知识卡片
DeepFM共享嵌入
书中 DeepFM 示例以因子分解二次项替换 Wide 分支中的简单线性部分,并让 FM 与深层网络共享嵌入矩阵。嵌入向量同时用于二次项的内积和深层网络,两支输出相加后产生预测。这里的二次项包含平方与双向交互,须与常见只计算不同特征对的 FM 形式区分。
结构图:
flowchart LR
X[输入] --> E[共享嵌入]
X --> L[一次项]
E --> F[嵌入向量内积]
E --> D[深层网络]
L --> S[相加]
F --> S
D --> S
S --> P[Logistic 概率]
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
- 非全连接神经网络 6.4 DeepFM · 查看原书依据
DeepFM其实就是把Wide & Deep模型中的Wide部分的逻辑回归替换为了一个FM
参考来源
- 位置:《用Python实现深度学习框架》第6章《非全连接神经网络》,6.4 DeepFM(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_054.html`)
- 结论依据:原文图示及示例代码给出线性、嵌入、深层和二次分支的组合。
- 原始内容:DeepFM其实就是把Wide & Deep模型中的Wide部分的逻辑回归替换为了一个FM。