From 21179e1eceda8f217007f5f6dc87d3f02db8bec6 Mon Sep 17 00:00:00 2001 From: yinhaofeng <1841837261@qq.com> Date: Fri, 25 Sep 2020 04:07:25 +0000 Subject: [PATCH] readme --- models/rank/deepfm/readme.md | 4 ++++ 1 file changed, 4 insertions(+) diff --git a/models/rank/deepfm/readme.md b/models/rank/deepfm/readme.md index bd2717dc..29ba777f 100644 --- a/models/rank/deepfm/readme.md +++ b/models/rank/deepfm/readme.md @@ -123,6 +123,10 @@ V 的第 i 列便是第 i 维特征的隐向量。特征分量Xi与Xj的交叉 +### dnn部分 +相比fm模型，我们去除了fm模型中的偏移量，而加入了dnn部分作为特征间的高阶组合，通过并行的方式组合fm和dnn两种方法，两者共用底层的embedding数据。dnn部分的主要组成为三个全连接层，每层FC的输出维度都为400，每层FC都后接一个relu激活函数，每层FC的初始化方式为符合正态分布的随机初始化. +最后接了一层输出维度为1的fc层，方便与fm部分综合计算预测值。 + ### Loss及Auc计算 - 预测的结果将FM的一阶项部分，二阶项部分以及dnn部分相加，再通过激活函数sigmoid给出，为了得到每条样本分属于正负样本的概率，我们将预测结果和`1-predict`合并起来得到predict_2d，以便接下来计算auc。 - 每条样本的损失为负对数损失值，label的数据类型将转化为float输入。 -- GitLab