Wide&Deep/DeepFM

基于DNN的推荐算法引入背景 推荐系统的一大挑战是同时具备”记忆能力“和”泛化能力“。 ”记忆能力“：学习那些经常同时出现的特征，发觉历史数据中存在的共现特性。 ”泛化能力“：基于迁移相关性，探索之前几乎没出现过的新特征组合。 基于嵌入的模型(FM)对之前没出现过的特征具备二阶泛化能力，即为每个query和item特征学习一个低维稠密的嵌入向量。但FM很难有效学习低维表示，当query-item矩

>>阅读原文<<