　　FNN模型：非端到端

输入 --> 特征onehot --->FM 模型--->输出每个特征权重及因子值 ----> 输入神经网络 ----> 输出每个预测值

此为一个embdding模型。其中的 fm模型实现了embedding过程。他将大量的onehot之后的特征缩短为少量特征。然后输入另一个模型中。

NLP中的embedding: https://www.cnblogs.com/bonelee/p/7904495.html

大量单词 ---> onehot --->word2wec ---> 词向量 ---> 输入神经网络 --->输出预测值

神经网络中embedding层作用——本质就是word2vec，数据降维，同时可以很方便计算同义词（各个word之间的距离），底层实现是2-gram（词频）+神经网络