学习用户行为背后的复杂特征交互对于最大化推荐系统的点击率（CTR）至关重要。尽管已取得显著进展，现有方法似乎对低阶或高阶交互存在强烈偏见，或者需要专家进行特征工程。在本文中，我们展示了可以构建一个端到端的学习模型，该模型同时强调低阶和高阶特征交互。所提出的模型 DeepFM 结合了因子分解机在推荐中的优势和深度学习在特征学习中的能力，形成了一种新的神经网络架构。与谷歌最新的 Wide & Deep 模型相比，DeepFM 的“宽”部分和“深”部分共享相同的输入，除了原始特征外无需额外的特征工程。通过广泛的实验验证，证明了 DeepFM 在基准数据集和商业数据集上对现有 CTR 预测模型的有效性和高效性。