学习笔记

深度推荐模型

学习内容来自：https://github.com/datawhalechina/team-learning-rs/tree/master/DeepRecommendationModel

• 感觉跟当时学数字图像处理似的，看不太懂，缺了一些基础知识

模型搭建

AFM模型

FM是通过特征隐向量的内积来对交叉特征进行建模，从公式中可以看出所有的交叉特征都具有相同的权重也就是1，没有考虑到不同的交叉特征的重要性程度：

• 如何让不同的交叉特征具有不同的重要性就是AFM核心
  
  AFM与FM的模型公式是非常相似的，所以也可以和FM一样应用于不同的任务

处理过程：
读取数据
->
划分密集的特征和稀疏的特征
->
对数据进行简单的预处理
->
特征分组，做标记(分成linear部分和dnn部分）
——使用DenseFeat, SparseFeat
for feat in sparse_features] + [DenseFeat(feat, 1,)
for feat in dense_features]
->

• 这里看不太懂了，（使用DenseFeat, SparseFeat）
  里面上一个代码SparseFeat应该是DenseFeat吧，明天再看看，实际跑一跑，明开始实习了。
• wide和deep部分的输入特征是自由选择的 -> 一个群友讲的，也不是很懂

NFM

NFM：FM改进，用一个表达能力更强的函数来替代原FM中二阶隐向量内积的部分。

三级目录