动机

Wide&Deep首先提出了分别用Wide部分来捕捉低阶特征交叉，用Deeo部分来捕捉高阶特征交叉。但是，Wide部分需要人工设计特征交叉的规则，不能完全交给网络训练。所以，DeepFM用FM(因子分解机)来取代Wide部分，让FM自动地学习低阶的特征交叉。

网络架构

DeepFM的网络架构如上图所示，左边是FM部分，右边是Deep部分。可以看到两个部分共享同一个Embedding层，这一点是和Wide&Deep不一样的。

FM

FM的主要功能用网络层来完成特征的一阶交叉和二阶交叉，公式是：

Deep

Hidden Layer是一个DNNs，表达式是：

分别得到FM和Deep部分的输出之后，用sigmoid函数最后输出一个分数：

标签：Wide,DeepFM,交叉,Deep,学习,笔记,部分,FM
来源： https://blog.csdn.net/Karty9/article/details/119303512