<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>FFM on 知识铺的博客</title>
    <link>https://index.zshipu.com/geek/tags/FFM/</link>
    <description>Recent content in FFM on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Tue, 15 Mar 2022 09:05:21 +0800</lastBuildDate>
    <atom:link href="https://index.zshipu.com/geek/tags/FFM/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>从到推荐排序模型到底哪家强</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BB%8E%E5%88%B0%E6%8E%A8%E8%8D%90%E6%8E%92%E5%BA%8F%E6%A8%A1%E5%9E%8B%E5%88%B0%E5%BA%95%E5%93%AA%E5%AE%B6%E5%BC%BA/</link>
      <pubDate>Tue, 15 Mar 2022 09:05:21 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E4%BB%8E%E5%88%B0%E6%8E%A8%E8%8D%90%E6%8E%92%E5%BA%8F%E6%A8%A1%E5%9E%8B%E5%88%B0%E5%BA%95%E5%93%AA%E5%AE%B6%E5%BC%BA/</guid>
      <description>张俊林 推荐系统几乎已经深入到人们生活的方方面面，其背后的算法也在不断地迭代更新。FM 和 FFM 模型是最近几年提出的模型，拥有在数据量较大并且特征稀疏的情况下，仍然能够得到优秀的性能和效果的特性。 新浪微博 AI Lab 资深算法专家张俊林，在 2018 年全球人工智能与机器学习大会 AICon 的演讲中，着重探讨了几种排</description>
    </item>
    <item>
      <title>推荐系统系列二算法理论与实践</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E7%B3%BB%E5%88%97%E4%BA%8C%E7%AE%97%E6%B3%95%E7%90%86%E8%AE%BA%E4%B8%8E%E5%AE%9E%E8%B7%B5/</link>
      <pubDate>Tue, 15 Mar 2022 09:05:13 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F%E7%B3%BB%E5%88%97%E4%BA%8C%E7%AE%97%E6%B3%95%E7%90%86%E8%AE%BA%E4%B8%8E%E5%AE%9E%E8%B7%B5/</guid>
      <description>背景 在 CTR/CVR 预估任务中，除了 FM 模型[2] 之外，后起之秀 FFM（Field-aware Factorization Machine）模型同样表现亮眼。FFM 可以看作是 FM 的升级版，Yuchi Juan 于 2016 年提出该模型，但其诞生是受启于 Rendle 在 2010 年发表的另一个模型 PITF [3]（FM 也是 Rendle 在 2010 年发表的），其论文原文 [1] 中写道： The idea of FFM originates</description>
    </item>
  </channel>
</rss>
