CTR模型：AFM
1. 簡介 FM模型將所有二階交叉特徵都認爲同等重要， 一些二階交叉特徵是沒有價值的，可能會引入噪聲並且降低模型性能。 AFM（Attentional FM）在2017年被提出，通過Attention機制來自動學習每個二階交叉特徵的重要性。 和Wide&Deep， DeepCross等模型相比，AFM結構簡單，參數更少，效果更好，AFM有更好的解釋性，通過注意力權重知道哪些交叉特徵對於預測貢獻大。
相關文章
- 1. CTR學習筆記&代碼實現4-深度ctr模型 NFM/AFM
- 2. 推薦系統CTR預估模型之Attentional Factorization Machines(AFM)
- 3. CTR模型：DeepCrossing
- 4. CTR模型：NFM
- 5. CTR模型：FNN模型
- 6. [CTR預估] DSIN模型
- 7. CTR模型：Deep&Cross Network
- 8. CTR模型演變史
- 9. CTR預估模型1-FM
- 10. [CTR預估] xDeepFM模型
- 更多相關文章...
- • ASP.NET MVC - 模型 - ASP.NET 教程
- • Scala 模式匹配 - Scala教程
- • 委託模式
- • Kotlin學習（二）基本類型
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
