xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems
创新：CIN层是关键！！！
原文笔记： https://mp.weixin.qq.com/s/TohOmVpQzNlA3vXv0gpobg
采用Criteo数据集进行测试。数据集的处理见../data_process文件，主要分为：
- 考虑到Criteo文件过大，因此可以通过
read_part和sample_sum读取部分数据进行测试； - 对缺失数据进行填充；
- 对密集数据
I1-I13进行离散化分桶（bins=100），对稀疏数据C1-C26进行重新编码LabelEncoder； - 整理得到
feature_columns； - 切分数据集，最后返回
feature_columns, (train_X, train_y), (test_X, test_y)；
class xDeepFM(Model):
def __init__(self, feature_columns, hidden_units, cin_size, dnn_dropout=0, dnn_activation='relu',
embed_reg=1e-6, cin_reg=1e-6, w_reg=1e-6):
"""
xDeepFM
:param feature_columns: A list. sparse column feature information.
:param hidden_units: A list. a list of dnn hidden units.
:param cin_size: A list. a list of the number of CIN layers.
:param dnn_dropout: A scalar. dropout of dnn.
:param dnn_activation: A string. activation function of dnn.
:param embed_reg: A scalar. The regularizer of embedding.
:param cin_reg: A scalar. The regularizer of cin.
:param w_reg: A scalar. The regularizer of Linear.
"""- file：Criteo文件；
- read_part：是否读取部分数据，
True； - sample_num：读取部分时，样本数量，
5000000； - test_size：测试集比例，
0.2； - embed_dim：Embedding维度，
8； - dnn_dropout：Dropout,
0.5； - hidden_unit：DNN的隐藏单元，
[256, 128, 64]； - cin_size：CIN尺度，
(128, 128)； - learning_rate：学习率，
0.001； - batch_size：
4096； - epoch：
10；
- 采用Criteo数据集中前
500w条数据，最终测试集的结果为：AUC: 0.783963, loss: 0.4690； - 采用Criteo数据集全部内容：
- 学习参数：265,457,049；
- 单个Epoch运行时间【GPU：Tesla V100S-PCI】：596s；
- 测试集结果：
AUC: 0.791982, loss: 0.4696；