1、FwFMs模型详解改进交互项权重 FwFMs引入权重参数，对交互项进行个性化赋权，如公式所示复杂度分析 FwFM相比FFM，参数量显著减少，仅多出n*n12的额外参数，模型简洁度大增改进线性项 FwFMs采用embedding vectors表示特征，引入fieldwise linear vectors，进一步降低参数量，如FwFMs_FeLV与FwFM。
2、在之前，普遍用二元特征公式 来表示feature i，然后学习权重 公式 然后本文中通过embedding vectors来表示feature i，向量乘积 公式 来表示每一个特征 然后，为每一个feature学习一个线性权重 公式 ， 此时线性部分变成了通过这种方式模型的参数量是公式 因为m是特征的总数，还是比。