Was ist DeepFM?

DeepFM ist ein Modell für Empfehlungssysteme, das zwei Teile kombiniert: Faktorisierungsmethoden (FM) und tiefe neuronale Netze (Deep Neural Networks). FM arbeiten gut mit Wechselwirkungen zwischen Merkmalen, insbesondere bei spärlichen Daten, und ein tiefes Netzwerk kann automatisch komplexe nichtlineare Abhängigkeiten extrahieren.

Auf diese Weise berücksichtigt DeepFM gleichzeitig Interaktionen auf niedriger und hoher Ebene zwischen Merkmalen, was die Qualität der Empfehlungen verbessert. Das Modell wird häufig bei CTR (Click-Through-Rate)-Vorhersagen und anderen Empfehlungstasks eingesetzt.

Beispielarchitektur:

• Der FM-Teil modelliert Interaktionen zweiter Ordnung zwischen Merkmalen.
• Der Deep-Teil besteht aus mehreren Schichten neuronaler Netze, die komplexe Darstellungen lernen.
• Der endgültige Ausgang ist eine Kombination der Ergebnisse von FM- und Deep-Teilen, die in eine Aktivierungsfunktion für die Vorhersage eingegeben werden.

Dies ermöglicht es DeepFM, flexibler und genauer zu sein im Vergleich zu klassischen FM oder nur tiefen Modellen.