qq_39158406的博客

前言上篇文章中我们引入了推荐系统中特征交叉的概念，以及介绍了一些常见的特征交叉方法，这篇文章我们将详细地讨论一下推荐系统中特征交叉地模型，他们的特点，以及他们为什么会这样。本文中介绍的模型有Wide & Deep，deepFM，NFM，以及AFM和相应地拓展。Wide & Deep首先附上Wide&deep的模型结构，看起来很简单，左边时一个线性模型，右边时一个DNN模型。该模型采用线性部分提升模型的记忆能力，同时采用DNN部分提升模型的泛化能力。与DNN部分相比，Wide

前言我一开始是学习树模型的，大家了解树模型就知道树模型玩的就是特征，从我个人角度来说，一般是用特征去拟合参数，因此我做比赛的时候一般不怎么调参。工作之前我对推荐系统并不了解，更别说里面的各种精排模型了。刚开始工作之后会浏览一些业内比较出名的模型，但是看的大多是YouTuBeDNN，DIN，DIEN等，其实我在看这些论文的或者相关解读的时候就很郁闷，特征呢？这些模型都不会介绍推荐系统中的各种特征处理以及交叉等方法。一度让我以为只要使用几个id类特征就可以取得十分好的结果，类比的话就是想协同过滤,矩阵分解等