# FNN DeepFM NFM

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：第3章 深度学习在推荐系统中的应用
- 页码线索：77-83
- 目标岗位：AI PM / 推荐系统产品 / 算法工程师面试
- 优先级：P0
- 标签：deepfm, fnn, nfm, fm

## 面试问题

FNN、DeepFM、NFM 如何把 FM 和深度学习结合？

## 30 秒回答

FNN 用 FM 预训练 embedding，DeepFM 用 FM 替代 Wide 部分同时学习低阶和高阶特征，NFM 则把 FM 的二阶交叉神经网络化。

## 展开要点

- 这些模型的共同目标是保留 FM 的交叉能力，同时增强深度表达。
- FNN 强调预训练初始化。
- DeepFM 端到端结合 FM 和 DNN。
- NFM 用神经网络处理二阶交叉后的表示。

## 高频追问

- DeepFM 相比 Wide&Deep 有什么改进？
- 为什么 FM 适合作为 deep 模型组件？
- 端到端训练的好处和风险是什么？

## 项目映射

- 结构化高维稀疏特征排序任务。
- 讲一个从 FM baseline 升级到 DeepFM 的模型演进。

## AI PM 迁移

AI PM 可以用这张卡理解“继承成熟模块 + 深度化改造”的产品技术演进方式。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。