博客探讨了深度学习在用户响应预测中的应用，包括FNN、PNN和Wide&Deep模型。FNN利用FM模型的嵌入结果，PNN引入product层，而Wide&Deep结合宽模型和深模型的优点。作者还提到了张伟楠博士的贡献，他在CTR模型方面有深入研究，并分享了在携程技术中心的演讲。此外，文章引用了腾讯蔡建涛的观点，强调在大量样本下简单模型的优势，以及离散LR在二分类问题中的重要性。
一、资料
目前的很多资料均是基于张伟楠的FNN模型，但还没有很大规模的应用。
另一种是google提出的wide & deep learning模型，主要用于推荐，美团的文章中也有介绍。
- Deep Learning over Multi-Field Categorical Data: A Case Study on User Response Prediction
-
- 介绍FNN模型。将FM模型训出的结果作为其中的embedding层，上面套上全连接神经网络。
- Product-based Neural Networks for User Response Predictions
-
- 介绍PNN模型。在FNN的embedding层的上面加入produce层，往上还是用全连接神经网络。
- Wide & Deep Learning for Recommender Systems
-
- Google提出的wide和deep learning模型。
- 用户在线广告点击行为预测的深度学习模型
-
- 这是来自张伟楠博士在携程技术中心主办的深度学习Meetup中的主题演讲。张伟楠博士现在是上海交大的助理教授，其个人主页是 http://wnzhang.net/，他是FNN和PNN的主要作者，还是SVDFeature的作者之一，11年和12年的KDD Cup都有他的身影。
- 闲聊DNN CTR预估模型
-
- 作者 Kintocai （蔡建涛，来自腾讯）
- 这篇文章写得
最低0.47元/天 解锁文章
扫一扫
8126
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
