CTR预估模型（FM/DeepFM/AFM/DCN/DIN）

最新推荐文章于 2025-07-19 09:16:22 发布
最新推荐文章于 2025-07-19 09:16:22 发布
阅读量3.4k 收藏 11
点赞数 2
CC 4.0 BY-SA版权
分类专栏： Python机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Dooonald/article/details/82956662
本文深入探讨了深度CTR预估模型的发展历程，从Factorization Machine(FM)出发，逐步解析DeepFM、DCN(Deep&Cross Network)等模型的工作原理及应用场景，通过实例对比不同模型的优劣，为读者提供了丰富的开源代码资源。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

推荐系统CTR预估模型之Deep Interest Network(Din)
gq的博客
05-18 2146
 Deep Interest Network(Din)模型是阿里妈妈基础算法团队发表在KDD 18上的一篇论文，用来做CTR预估。  文章的innovation也很简单，在电商场景的广告推荐中，用户的兴趣非常重要，而用户的兴趣从算法测一般通过用户历史浏览点击的一些商品来进行刻画，目前的主流DNN模型都是直接把用户的一些兴趣(可以是一些用户历史浏览点击的商品，keyword等feature)直接做一...
从FM推演各深度CTR预估模型(附代码)
龙心尘
07-13 1万+
作者： 龙心尘 && 寒小阳 时间：2018年7月 声明：版权所有，转载请联系作者并注明出处。本文代码部分参考了lambda等同学的tensorflow实现，在此向原作者表示感谢。 注：本文根据作者在公司内训讲稿整理而成。 多年以后，当资深算法专家们看着无缝对接用户需求的广告收入节节攀升时，他们可能会想起自己之前痛苦推导FM与深度学习公式的某个夜晚……——题记
推荐模型之DCN
最新发布
学习与分享人工智能技术
07-19 985
本文介绍了推荐系统的经典模型——深度交叉网络DCN，并给出去原理和python实现。
从FM推演各深度学习CTR预估模型（附代码）
qfikh的博客
04-27 344
Ref：链接 FM 的tensorflow 实现 class FM(Model): def __init__(self, input_dim=None, output_dim=1, factor_order=10, init_path=None, opt_algo='gd', learning_rate=1e-2, l2...
深度CTR预估模型的演化之路2019最新进展
AI科技大本营
11-04 2177
作者 | 锅逗逗来源 | 深度传送门（ID: deep_deliver）导读：本文主要介绍深度CTR经典预估模型的演化之路以及在2019工业界的最新进展。介绍在计算广告和推荐系统中，点击率（Click Through Rate，以下简称CTR）预估是一个重要问题。在CTR预估任务中（以下简称CTR任务），我们通常利用user信息、item信息和context信息来预测user对item的CTR。传...
从FM推演各深度CTR预估模型(附代码)1
08-04
从早期的逻辑回归模型到现代的深度学习模型，CTR预估技术不断进步，例如DeepFM、NFM、DIN、AFM和DCN等。这些模型在特征交互和模型复杂性方面各有创新，但往往缺乏系统性的理解和对比。 【从FM到深度学习】 因子...
"FM推演与深度CTR预估模型对比及代码分析
在本文中，我们以FM模型为基础，引入了深度学习的思想，通过对FM模型的推导和拓展，演绎出了多种深度CTR预估模型，包括DeepFM, NFM, DIN, AFM, DCN等。我们通过对每个模型的原理和数学公式进行解析，展示了这些模型...
深度学习在CTR预估中的应用 | CTR深度模型大盘点
Paper weekly
04-11 2000
作者丨辛俊波单位丨腾讯研究方向丨CTR预估，推荐系统前言深度学习凭借其强大的表达能力和灵活的网络结构在 NLP、图像、语音等众多领域取得了重大突破。在广告领域，预测用户点击率（Click Through Rate，简称 CTR）领域近年也有大量关于深度学习方面的研究，仅这两年就出现了不少于二十多种方法。本文就近几年 CTR 预估领域中学术界的经典方法进行探究，并比较各自之间模型设计的初衷和各自优缺
Task02:DeepFM,DIN学习笔记
qq_42141843的博客
06-19 459
DeepFM,DIN学习笔记
推荐系统-模型：Feed 流推荐、 DSSM，DIN，ESMM, MMOE、FM、Wide&Deep、DeepFM、DCN
u013250861的博客
07-27 815
推荐系统-模型Feed流推荐、DSSM，DIN，ESMM,MMOE、FM、Wide&Deep、DeepFM、DCN。
推荐系统（十）DeepFM模型（A Factorization-Machine based Neural Network）
热门推荐
天泽28的专栏
02-19 1万+
DeepFM受到谷歌wide&deep模型的启发，是一个左右组合（混合）模型结构，不同的是，在wide部分用了FM模型来代替LR模型。 1. 在wide部分使用FM代替了wide&deep中的LR，有了FM自动构造学习二阶（考虑到时间复杂度原因，通常都是二阶）交叉特征的能力，因此不再需要特征工程。Wide&Deep模型中LR部分依然需要人工的特征交叉，比如【用户已安装的app】与【给用户曝光的app】两个特征做交叉。另外，仅仅通过人工的手动交叉，又回到了之前在讲FM模型中提到的，比如要两个特征共现，否则无
论文阅读: DCN
JNing
06-10 7643
Introduction 传统的CNN中，convolution 和 pooling 的操作已被定死。只能在方正死板的区域内按部就班地映射操作： 这种设计显然对于现实场景中遇到ratio(比例)和rotation(旋转角度)多变的的非刚体object，是不够general的。那么怎么办呢？ 传统的回避途径有以下两个： 根据先验 加数据：根据先验信息，增加training datase...
CTR模型理解
using namespace 数学工具构造器;
02-10 778
（读论文）推荐系统之ctr预估-AFM模型解析 self.P.shape Out[18]: torch.Size([4]) 假如有39个域，那么就有m⋅(m−1)2\frac{m\cdot (m-1)}{2}2m⋅(m−1)​=741个特征交互，Attention layer的WWW就是一个4x4的矩阵，hhh是个4x1的输出层，aij=[741] ，过一遍softmax归一化 ...
小红书推荐系统
weixin_44901348的博客
09-17 2592
FM是线性模型的替代物，线性回归、逻辑回归都可以用FMFM使用二阶交叉特征，表达能力比线性更强矩阵自相乘代替二阶交叉权重数量，从O(dd) 将为O(dk)目前推荐系统中不太常用日活用户数（DAU）和留存是最核心的指标工业最常用LT7和LT30衡量留存某用户今天(t0)登录了app，蔚来7天（t0-t6）中有4天登录app，那么用户今天（t0）的LT7等于4LT增长通常译为用户体验提升（除非lLT增长且DAU下降）其他核心指标：用户使用时长、总阅读数、总曝光数。
久别重逢话双塔
Kaiyuan_sjtu的博客
11-04 780
回归前言大约半年前，换了新工作，从此开始了为了丰富海外人民的业余文化生活，而殚精竭虑、绞尽脑汁的日子，也就没时间、没心情打理我的知乎和微信公众号了，两个地方都荒得长草了。那今天怎么又回来了...
推荐系统遇上深度学习(二十二):DeepFM升级版XDeepFM模型强势来袭！
hellozhxy的博客
10-09 3057
今天我们要学习的模型是xDeepFM模型，论文地址为：https://arxiv.org/abs/1803.05170。文中包含我个人的一些理解，如有不对的地方，欢迎大家指正！废话不多说，我们进入正题！ 1、引言 对于预测性的系统来说，特征工程起到了至关重要的作用。特征工程中，挖掘交叉特征是至关重要的。交叉特征指的是两个或多个原始特征之间的交叉组合。例如，在新闻推荐场景中，一个三阶交叉特征为A...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值