1. 简介
FNN 模型是2016年提出的，基于传统机器学习模型，如LR，FM等，的CTR预测方案被称为基于浅层模型的方案。 优点是模型简单，预测性能较好，可解释性强。缺点是，很难自动提取高阶组合特征携带的信息。
于是， 基于因子分解即的神经网络（Factorization Machine supported Neural Network, FNN）被提出。
2. FNN模型
输入的类别特征是 field-wise one-hot编码的。每个field相当于一个类别特征，比如 city。
输入：
z i z_i zi 代表第 i 个field。
首先， W 0 W_0 W0 向量经过初始化， 向量z 通过训练FM模型来完成初始化：
FM里边的系数，就是 向量 z 向量的值。
SNN模型
规范化
3. 总结
参考：
- （读论文）计算广告之CTR预估-FNN解析;
- Deep Learning over Multi-field Categorical Data A Case Study on User Response Prediction;
- 推荐 CTR模型汇总
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/224483.html原文链接：https://javaforall.net
![国家的崛起，无法建立局域网连接[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
