一、DeepFM的网络结构图
二、DeepFM的网络结构介绍
1、Sparse Features
Input：Field 1......Field N是对原始数据进行one-hot编码以后的数据，所以数据比较稀疏。
2、Dense Embeddings
Embedding的网络结构图
将Sparse Features部分的输出输入到Embedding层，可将高维稀疏数据转化为低维稠密的数据。这样相当于变相的提取Sparse Features中的重要特征。
Embedding层的特点：1、尽管输入特征的长度不同，但是输出的长度都一样；2、Embedding层的参数其实是全连接的Weights。
3、FM Layer是对特征的低层次的组合
FM的网络结构图
FM Layer的输入包括：Sparse Features部分的输出和Dense Embeddings层的输出。
FM Layer的输出包括：Inner Product（内积）和Sparse Features输出的线性变换。
4、Hidden Layer是对特征的高层次组合，而且神经网络的隐层越多，特征提取的越有深度。
Hidden Layer的网络结构图
Hidden Layer的输入是Dense Embeddings层的输出。
其中H为隐层的个数。
5、Output Units
Output Units的输入包括：FM Layer的输出和Hidden Layer的输出。
