1、FM
为什么用FM,因为FM解决了大规模稀疏数据下的特征组合问题。
https://blog.csdn.net/tiangcs/article/details/76601643
可参考:
推荐系统召回四模型之:全能的FM模型
https://zhuanlan.zhihu.com/p/58160982
从FM推演各深度学习CTR预估模型(附代码)
https://blog.csdn.net/han_xiaoyang/article/details/81031961
引申阅读:
1、CTR和推荐算法有什么本质区别?
https://cloud.tencent.com/developer/article/1763975
2、机器学习 [合页损失函数 Hinge Loss]
https://blog.csdn.net/gukedream/article/details/86562669
3、BPR LOSS
https://blog.csdn.net/qq_35541614/article/details/103816504
4、【推荐】pairwise、pointwise 、 listwise算法是什么?怎么理解?主要区别是什么?
https://blog.csdn.net/pearl8899/article/details/102920628
(推荐系统中的排序学习,https://lumingdong.cn/learning-to-rank-in-recommendation-system.html)
5、Ranking算法评测指标之 CG、DCG、NDCG