Wide&Deep/DeepFM

基于DNN的推荐算法引入背景

推荐系统的一大挑战是同时具备”记忆能力“和”泛化能力“。
”记忆能力“：学习那些经常同时出现的特征，发觉历史数据中存在的共现特性。
”泛化能力“：基于迁移相关性，探索之前几乎没出现过的新特征组合。

基于嵌入的模型(FM)对之前没出现过的特征具备二阶泛化能力，即为每个query和item特征学习一个低维稠密的嵌入向量。但FM很难有效学习低维表示，当query-item矩阵稀疏且高秩时，稠密嵌入会给所有item-query带来非零预测，可能过度泛化/给出完全不相关的推荐。

Wide&Deep

联合训练一个线性模型组件和一个深度神经网络组件得到Wide&Deep模型，该模型的Wide部分具备记忆能力，Deep部分具备泛化能力。

Wide部分：基础特征和交叉特征构成的线性模型
$y=\mathrm{w}^T [\mathrm{x},\phi(\mathrm{x})]+b$y=wT[x,ϕ(x)]+b
其中，基础特征$\displaystyle\mathrm{x}=(x_1,x_2,\cdots,x_i,\cdots,x_n)$x=(x1​,x2​,⋯,xi​,⋯,xn​)，叉乘特征
$\displaystyle\phi(\mathrm{x})=\prod\limits_{i=1}^d x^{c_{ki}}_i，c_{ki}\in\{0,1\}$ϕ(x)=i=1∏d​xicki​​，cki​∈{0,1}

Deep部分：将一些sparse特征(e.g. ID类特征)转换成低维稠密向量，然后和一些原始dense特征一起作为网络的输入；**函数是Relu的前馈神经网络
$\mathrm{a}^{(l+1)}=f(\mathrm{W}^{(l)}\mathrm{a}^{(l)}+\mathrm{b}^{(l)})$a(l+1)=f(W(l)a(l)+b(l))
其中，$\mathrm{a}^{(l)}$a(l)第l层输入，$\mathrm{b}^{(l)}$b(l)第l层偏置，$\mathrm{W}^{(l)}$W(l)第l层权重，$f$f**函数

Wide&Deep联合预测输出：联合训练的Wide部分只需要作一小部分的特征叉乘来弥补Deep部分的不足，不需要一个full-size 的wide 模型。在论文中，作者通过梯度的反向传播，使用 mini-batch stochastic optimization 训练参数，并对wide部分使用带L1正则的Follow- the-regularized-leader (FTRL) 算法，对deep部分使用 AdaGrad算法。
$P(y=1|\mathrm{x})=sigmoid(\mathrm{w}^T_{Wide}[\mathrm{x},\phi(\mathrm{x})]+\mathrm{w}^T_{Deep}\mathrm{a}^{l_f} + b)$P(y=1∣x)=sigmoid(wWideT​[x,ϕ(x)]+wDeepT​alf​+b)
其中，$\mathrm{a}^{l_f}$alf​是NN最后一层**值。

DeepFM

DeepFM采取Wide & Deep的框架，差异在于将Wide部分的LR替换为了FM，从而自动构造二阶特征叉乘，而非手工设计叉乘。FM算法负责提取一阶和二阶组合特征；DNN算法负责对输入一阶特征全连接提取高阶特征。FM和DNN共享相同输入和embedding向量，训练更高效。

左边就是刚才将的FM模型的神经网络表示，而右边的则为deep部分，为全连接的网络，用于挖掘高阶的交叉特征。整个模型共享embedding层，最后的结果就是把FM部分和DNN的部分做sigmoid：
$Y=sigmoid(Y_{FM}+Y_{DNN})$Y=sigmoid(YFM​+YDNN​)