Qu'est-ce que DeepFM ?

DeepFM est un modèle pour les systèmes de recommandation qui combine deux parties : les machines de factorisation (FM) et les réseaux neuronaux profonds (Deep Neural Networks). Les FM fonctionnent bien avec les interactions entre caractéristiques, en particulier pour les données dispersées, et un réseau profond peut extraire automatiquement des dépendances non linéaires complexes.

Ainsi, DeepFM prend en compte simultanément les interactions de bas et de haut niveau entre les caractéristiques, ce qui améliore la qualité des recommandations. Le modèle est largement utilisé dans les tâches de prédiction du CTR (taux de clics) et d’autres tâches de recommandation.

Exemple d’architecture :

• La partie FM modélise les interactions de second ordre entre les caractéristiques.
• La partie Deep comprend plusieurs couches de réseau neuronal qui apprennent des représentations complexes.
• La sortie finale est une combinaison des résultats des parties FM et Deep, passés à une fonction d’activation pour la prédiction.

Cela permet à DeepFM d’être plus flexible et précis par rapport aux modèles FM classiques ou uniquement aux modèles profonds.