NFM——引入pooling和NN的FM

Neural Factorization Machines for Sparse Predictive Analytics paper 解決痛點 NFM可以看做是主要針對FM和FNN的改進，他們缺點如下 FM模型雖然學習到了交叉特徵，但是對於交叉後的特徵仍然是線性建模，學習不到非線性的關係 FNN模型雖然在底層用的FM進行向量初始化，在上層使用DNN來學習到高階非線性特徵，但是單個特徵embedd

>>阅读原文<<