张俊林，新浪微博 AI Lab 资深算法专家

内容介绍

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。

内容大纲

1. 推荐任务及大规模推荐系统简介；
2. 从 FM 模型到 FFM 模型；
3. 如何减少 FFM 模型的参数量；
4. DeepFFM 模型应用在推荐系统；
5. 对 DeepFFM 模型的优化改进及应用。