03-24：由FM模型带来的思考

1、FM

为什么用FM，因为FM解决了大规模稀疏数据下的特征组合问题。

https://blog.csdn.net/tiangcs/article/details/76601643

可参考：

推荐系统召回四模型之：全能的FM模型

https://zhuanlan.zhihu.com/p/58160982

从FM推演各深度学习CTR预估模型（附代码）

https://blog.csdn.net/han_xiaoyang/article/details/81031961

引申阅读：

1、CTR和推荐算法有什么本质区别？

https://cloud.tencent.com/developer/article/1763975

2、机器学习 [合页损失函数 Hinge Loss]

https://blog.csdn.net/gukedream/article/details/86562669

3、BPR LOSS 

https://blog.csdn.net/qq_35541614/article/details/103816504

4、【推荐】pairwise、pointwise 、 listwise算法是什么?怎么理解？主要区别是什么？

https://blog.csdn.net/pearl8899/article/details/102920628

(推荐系统中的排序学习,https://lumingdong.cn/learning-to-rank-in-recommendation-system.html)

5、Ranking算法评测指标之 CG、DCG、NDCG

https://zhuanlan.zhihu.com/p/136199536