码迷,mamicode.com
首页 > 其他好文 > 详细

xDeepFM

时间:2019-12-06 13:52:44      阅读:100      评论:0      收藏:0      [点我收藏+]

标签:res   strong   sts   inf   git   操作   神经元   sed   img   

1. xDeepFM优势

  自动高效的学习隐式和显示的高维特征交互

  设计一个新的CIN网络可以显示学习高阶特征交互,且为Vector-Wise

2. xDeepFM整体算法框架 

         技术图片

  整个网络结构主要分为两部分:压缩交互网络和DNN网络。压缩交互网络主要是实现自动学习显示的高阶特征交互,DNN网络主要是实现隐式的学习高阶特征。

3. 压缩交互网络(Compressed Interaction Network,CIN)

  CIN中每一层的神经元都是根据前一层的隐层及原特征向量计算而来,其数学表达式为:

                                               技术图片

   其整个过程分为两步:

    利用前一层的隐层状态技术图片和原始特征矩阵技术图片,计算出中间结果技术图片,其维度为三维。

 

 

                                技术图片

    CIN卷积操作,Feature Map为向量而非矩阵

          技术图片

    每一层隐层都是通过一个池化操作连接到输出层

             技术图片

 4. 参考博客

  https://zhuanlan.zhihu.com/p/83784018

       https://daiwk.github.io/posts/dl-dl-ctr-models.html

 

xDeepFM

标签:res   strong   sts   inf   git   操作   神经元   sed   img   

原文地址:https://www.cnblogs.com/LuckPsyduck/p/11994340.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!