推荐系统中使用ctr排序的f(x)的设计-dnn篇之AFM模型
图中的前三部分：sparse iput，embedding layer，pair-wise interaction layer，都和FM是一样的。而后面的两部分，则是AFM的创新所在。从比较宏观的角度理解，AFM就是通过一个attention net生成一个关于特征交叉项的权重，然后将FM原来的二次项直接累加，变成加权累加。
从宏观来看，AFM只是在FM的基础上添加了attention的机制，但是实际上，由于最后的加权累加，二次项并没有进行更深的网络去学习非线性交叉特征，所以它的上限和FFM很接近，没有完全发挥出dnn的优势。
推荐系统中使用ctr排序的f(x)的设计-dnn篇之NFM模型