CTR模型:FNN模型
1. 简介FNN 模型是2016年提出的,基于传统机器学习模型,如LR,FM等,的CTR预测方案被称为基于浅层模型的方案。 优点是模型简单,预测性能较好,可解释性强。缺点是,很难自动提取高阶组合特征携带的信息。于是, 基于因子分解即的神经网络(Factorization Machine supported Neural Network, FNN)被提出。2. FNN模型输入的类别特征是 field-wise one-hot编码的。每个field相当于一个类别特征,比如 city。FNN模型使用因