再来看一篇。。有点累了都。。这篇文章是一篇FM和DL的结合，2017年的文章，这篇文章读起来就给人感觉比较符合当前的主流想法了。
模型的主要结构如下图所示
与谷歌之前wide & deep的model不同的是，DeepFM的输入层共享同样的embedding，模型也分为两部分，FM和Deep。
FM部分的结构如下图所示
就是一个FM模型 \[ y_{\text{FM}}=\langle w,x\rangle+\sum^d_{i=1}\sum^d_{j=i+1}\langle V_i,V_j\rangle x_i\cdot x_j \] 用来抓住一阶和二阶的特征。
Deep部分如图所示
总的来说就是去用NN学习非线性特征，并做了embedding。
作者在后面还做了和其他几种基于DL的模型的对比
