推荐算法－NFM-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_18293213/article/details/90439401

推荐算法－NFM

FM对于特征的组合仅限于二阶，缺少对特征之间深层次关系的抽取。因此，NFM提出来就是在FM的基础上引入神经网络，实现对特征的深层次抽取。NFM的模型结构图如下所示：
在这里插入图片描述
模型的结构如上图所示，首先输入就是离散化的特征，然后再进行embedding操作，获得每一个特征的向量表示。接着就到了Bi-interaction Pooling层，这里其实就是FM部分。FM的公式如下图所示：

去掉最外层的累加号，我们得到的是一个长度为K的向量，也就是embedding部分的长度。然后再对这个向量送入几层全连接层即可，最后输出ctr预估值。这就是NFM的整体思路。

代码实现

权重构建，就是初始化一下embedding部分的数据，以及全连接部分的权重。然后就可以实现计算图了。
权重部分如下：

    def _initWeights(self):

        weights = dict()
        # embedding
        weights['feature_embedding'] = tf.Variable(tf.random_normal(shape=[self.featureSize, self.embeddingSize],