推荐系统中的FNN

前言

今天继续深入学习王喆老师的《深度学习推荐系统》著作。我将按照已构建的知识框架系统地讲解这些模型。在之前的章节中，我们已经介绍了多个模型，在此基础上对W&D模型进行了深化。理论上来说，在介绍完FM后，我们接下来会探讨基于W&D思想的其他衍生模型。但是今天先讲一下Factorization Machine-supported Neural Network（FNN）模式以及其衍生形式——DeepFM（Factorization-Machine based Neural Network）模式与NFM（Neural Factorization Machine）模式之间的关系与区别。这些内容将为我们后续深入理解DeepFM与NFM打下坚实的基础，请先查看知识结构大纲图以助于理解

在之前的文章中记载了诸多经典的推荐系统模型，在回顾过去的工作与成果的同时对未来的发展进行规划与期待。

对于现在的推荐算法体系而言主要包含三个方面的改进措施：其一在于提升特征间的交互能力 进而提高模型的表达能力 这一点上深度神经网络（DNN）凭借其天然的优势能够更加容易地捕捉到高阶交互信息 从而避免了传统方法在