FM

如下图 一般一个场景一共n个特征  xi是其中一个特征  对应到一阶wi为一个数 对应到二阶就是一个特征向量vi 与另一个特征向量vj的内积。向量长度一般称为embedding_size  fm在于刻画任意两个联合特征的影响。

NFM 核心部分

Bi-Interaction Layer 就是任意两个k维特征向量做element-wise 乘积然后相加，注意输出是一个k纬度的向量。

举个例子 注意ctr数据集每个样本都能观察到39个field 每个field对于每个样本都映射一个特征，也就是这个模型考察每个样本39个特征联合影响。