傳統：大量特征工程

FM：使用隱向量內積來建模組合特征，利用MF解決了數據稀疏的情況下的特征組合問題
深入理解FFM原理與實踐
FFM：在FM的基礎上引入了field的概念，在不同的field上使用不同的隱向量
深入理解FFM原理與實踐
DeepFM：在FM的基礎上，加入了并行的DNN，可以學習高度非線性的高階組合特征
（DNN缺點：隱式的學習特征組合帶來不可解釋性和低效的學習，因為不是所有的特征組合都是有用的）
推薦系統遇上深度學習(三)–DeepFM模型理論和實踐

Deep&Cross Network：使用Cross Network和Deep Network并行，交叉網絡的每一層都應用特征交叉，高效學習組合特征
Deep & Cross Network總結
推薦系統遇上深度學習(五)–Deep&Cross Network模型理論和實踐

總結

以上是生活随笔為你收集整理的推荐系统经典论文学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。