本人才疏学浅，不足之处欢迎大家指出和交流。

今天要分享的是另一个Deep模型NFM（串行结构）。NFM也是用FM+DNN来对ctr问题建模的，相比于之前提到的Wide&Deep(Google)、DeepFM(华为+哈工大)、PNN(上交)和之后会分享的的DCN(Google)、DIN(阿里)等，NFM有什么优点呢，下面就走进模型我们一起来看看吧。

原文：Neural Factorization Machines for Sparse Predictive Analytics

今天第二篇（最近更新的都是Deep模型，传统的线性模型会后面找个时间更新的哈）。本篇介绍华为的DeepFM模型 (2017年)，此模型在 Wide&Deep 的基础上进行改进，成功解决了一些问题，具体的话下面一起来看下吧。

原文：《Deepfm: a factorization-machine based neural network for ctr prediction》

在读了FM和FNN/PNN的论文后，今天来学习一下16年的一篇Google的论文，文章将传统的LR和DNN组合构成一个wide&deep模型（并行结构），既保留了LR的拟合能力，又具有DNN的泛化能力，并且不需要单独训练模型，可以方便模型的迭代，一起来看下吧。
原文：《Wide & Deep Learning for Recommender Systems》

今天第二篇，还是之前的经典论文（PNN）还是基于DNN的深度模型用于预测点击率，不过相比于FNN提出了不少新的idea，一起来看下吧。

原文：《Product-based Neural Networks for User Response Prediction》

今天要介绍的论文也是之前看的一篇经典的推荐相关的论文（FNN），最近要快点更新啊，要赶上最新看的进度。

原论文：《Deep learning over multi-field categorical data》

大家好，我是jesse，这是我的第一篇个人博客，以一篇经典的论文FM开始吧：

原文：《Factorization Machines》