目前的很多資料均是基於張偉楠的fnn模型，但還沒有很大規模的應用。
另一種是google提出的wide & deep learning模型，主要用於推薦，美團的文章中也有介紹。
product-based neural networks for user response predictions
wide & deep learning for recommender systems
閒聊dnn ctr預估模型
這篇文章寫得非常好，而且還有作者的一些精闢分析和實踐經驗，特別是在最後給出了乙個總結性的框架圖，將這些模型以及一些連續特徵的處理方法統一到乙個整體框架中，非常贊。
很同意作者的好幾個觀點，比如：
不過對於dropout的使用，個人覺得在全連線層適當使用dropout是有用的，它可以在一定程度防止模型的過擬合。當然如果是訓練資料量較大，特徵維度較少時，dropout不是必需的。
深度學習在推薦系統的應用
目錄結構 模型集合 wide and deep learning youtube recommendation deepfm lattice 模型原理 lattice是多維內插式查詢表,為了模型更好地泛化，我們充分利用查詢表的結構來滿足您指定的 單調關係，這種結構能夠通過使用多重輸入估計任意柔性關係...
深度學習在金融領域的應用構想
本文 格物課堂 從技術角度來看，目前人工智慧領域所使用的主要技術就是深度網路，同時輔以某些傳統機器學習方法以及預處理技術。在筆者看來，深度學習在金融領域的應用中最具優勢的一點便是特徵的自主選擇，例如 金融 行業易受到各種事件的影響，比如最近幾天美國航母將在靠近朝鮮的海域進行巡航，而且極有可能發生類似...
資深演算法專家解讀CTR預估業務中的深度學習模型
ppt t.cn rdotf8u 本次演講主要分享深度學習在ctr預估業務中的應用，分別介紹了fm模型以及如何解決深度學習中ctr模型所面臨的各種問題。上圖的ctr任務例子對應著應用場景中的推薦系統 電影推薦。機器學習中最核心的是訓練資料，它分為輸入資料 對應圖中的feature vector x ...