605883732 / CTR_models

执行方式

python test.py model_name

eg: python test.py NFFM

说明

DNN做ctr预估的优势在于对大规模离散特征建模，paper关注点大都放在ID类特征如何做embedding上，至于连续特征如何处理很少讨论，大概有以下3种方式：

--不做embedding
  1. concat[continuous, emb_vec]
  
--做embedding
  2. 数值特征离散化之后embedding
  3. 数值特征和离散特征同等看待，直接做embedding

我们采取的是第三种方案：采用hash的方法，将每一个特征的特征值映射到embedding空间的某个位置上。所以hash空间不能太小，否则会有很多不同的特征值使用相同的embedding。

由于上面策略，DCN的实现方式和原版论文不同，没有concat[continuous, emb_vec]，而是对所有特征embedding后传入左右两个部分。

ToDo

• 正则
  • DeepFM模型已经实现L2正则
• early_stop
• tensorboard
• 指数衰减学习率