1. 前言 随着信息技术和互联网的发展， 我们已经步入了一个信息过载的时代，这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战： 信息消费者：如何从大量的信息中找到自己感兴趣的信息？信息生产者：如何让自己生产的信息脱颖而出， 受到广大用户的关注？ 为了解决这个矛盾， 推荐系统应时而生， 并飞速前进，在用户和信息之间架起了一道桥梁，一方面帮助用户发现对自己有价值的信息， 一方面让信息能

前言 本次分享一篇2017年由哈工大与华为联合发表的论文“DeepFM：A Factorization-Machine based Neural Network for CTR Prediction”。DeepFM在现在也是很多模型比较的Baseline，因此详细的对其进行介绍并简单的复现。 本文约2.5k字，预计阅读15分钟。 DeepFM DeepFM模型[1]是2017年由哈工大与华为联合

0. 简介 Wide and Deep网络（Wide & Deep Learning for Recommender Systems）是2016年被提出的。 出发点： 推荐系统需要同时实现 memorization 和generalization。 memorization， 学习 item 或者 feature的共现关系，并基于历史数据中的这种相关性来推荐。 通过特征交叉可以实现 memor