DeepFM算法介绍

参考文献
DeepFM: A Factorization-Machine based Neural Network for CTR Prediction
前情提要
FM
FFM

前面我们说过FFM，比FM整整多了一个F！而今天的主角，DeepFM，整整比FM多了一个Deep！谁更牛逼已经无须多言，下面具体分解。
Deep是什么？眼下人工智能异军突起，要问眼下谁是最靓的仔？神经网络啊！那谁比神经网络（别名NN）还要靓？深度神经网络（别名DNN）啊！那这个Deep说的就是那个深度神经网络啊！那DeepFM自然是不屑地将FM，FFM抛在身后，昂首挺胸地走在时代的最前沿啊！
那为什么有了Deep后，DeepFM就能走在最前沿了呢？我们知道FM跟FFM比起弱智的线性模型多考虑了特征的交叉项。那为什么要考虑特征的交叉项呢？据研究表明，一到饭点时有关外卖的APP就被点击得很频繁，那这里饭点，也即时间是一个特征，APP的类别，这里是外卖类也是一个特征，这两个特征就经常发生些关系，所以考虑他们的交叉项实在是很有必要啊。
那再据研究表明，男性青年大都喜欢玩射击游戏!那这里，男性之于性别，青年之于年龄，射击游戏之于APP类别，竟同时出现了三个特征！该怎么办才好？FM跟FFM不是说好了只考虑两个特征的交叉么？那三个特征交叉实在搞不了啊！！！这时，有人就问了，FM不是有一个 d-way Factorization Machine的推广么，那个可以弄三个特征的交叉呀！well,其实那个推广只是看上去很美，实则运算复杂度极高，不实用，一般也不用，再说了，如果其实还有四个特征的交叉，五个特征的交叉！那个复杂度就膨胀得没边了！

那此时此刻，怎么办？感觉世界陷入了一片黑暗，在这无边的黑暗中有一个声音响起，“交叉？我神经网络啥都不会，就特么会穿插分割，合纵连横，鳞次栉比，美轮美奂呀？我全身就长满了交叉啊