在 AICon 北京 2018 大会上，张俊林讲师做了《FFM 及 DeepFFM 模型在推荐系统的探索及实践》主题演讲，主要内容如下。
演讲简介：
FM 模型目前广泛使用在互联网公司的大规模推荐系统中并取得了很好的应用效果，FFM 模型作为 FM 模型的改进版，一般情况下效果是优于 FM 模型的，但是因为参数量过多导致这个模型大规模实用化存在严重问题。
本演讲主要分享微博在 FFM 模型及 DeepFFM 模型应用在推荐系统所做的一系列优化探索工作。首先会对 FM／FFM 模型各自的特点及应用场景进行介绍，同时会介绍 FFM 的几种不同的深度学习版本 DeepFFM 模型。除此外会分享我们针对 FFM 及 DeepFFM 模型的一些改进工作。针对 FFM 模型参数量过大的问题，我们通过结合 FM 及 FFM 模型各自的优点进行了针对性的优化，新模型既有接近于 FFM 的效果又能大量减少参数；另外我们对 DeepFFM 也针对性的进行了改进并取得了较好的效果。
演讲提纲：
- 推荐任务及大规模推荐系统简介；
- 从 FM 模型到 FFM 模型；
- 如何减少 FFM 模型的参数量；
- DeepFFM 模型应用在推荐系统；
- 对 DeepFFM 模型的优化改进及应用；
听众收益：
- 可以透彻了解工业界常用的推荐模型及其适用场景；
- 可以了解并熟悉 DeepFFM 这种比较前沿的深度学习推荐模型；
- 可以了解一些前沿模型的缺点及若干有针对性的改进推荐模型；
讲师介绍：
张俊林
新浪微博 AI Lab 资深算法专家
张俊林，中国中文信息学会理事，目前在新浪微博 AI Lab 担任资深算法专家。在此之前，张俊林曾经在阿里巴巴任资深技术专家，以及在百度和用友担任技术经理及技术总监等职务。他的研发兴趣集中在：深度学习、搜索技术、推荐系统、自然语言处理等方面，并在以上领域有多年学术界研究经历及工业界实践经验。同时他是技术书籍《这就是搜索引擎：核心技术详解》（该书荣获全国第十二届输出版优秀图书奖）、《大数据日知录：架构与算法》的作者。
他本科毕业于天津大学管理学院，之后在中科院软件所直接攻读博士学位，研究方向是信息检索理论与自然语言处理，就学期间曾在 ACL、COLING、IJCNLP 等国际顶级会议发表多篇学术论文。另外，他在此期间领导设计的搜索系统曾在美国国防部 DARPA 主持的 TREC 高精度检索系统评测中取得综合排名第一名的优异成绩。
完整演讲 PPT 下载链接：
评论