推荐系统CTR预估模型之Deep&Cross

  Deep&Cross是google在2017年发表的一篇论文，其思想和wide&deep基本一致，只是把wide&deep中的wide部分变成cross层，来弥补DNN不能显示的学习交叉特征这一缺陷，一般情况下效果会好于wide&deep，而且模型复杂度与与wide&deep接近。

 模型结构如上图，右边的DNN部分和wide&deep中的DNN完全一致，左边的cross层，计算也很简单，

 x0为原始特征经过embedding后的特征向量，后一层的结果可以由其前一层，和x0计算而来，从公式可以看出，计算非常简单，最后再把cross层的特征向量和DNN的特征向量concat， 最后再经过一个二分类的softmax，就可以得到预测为正，负样本的概率。

 模型的tensorflow实现代码可以参考：https://github.com/qiaoguan/deep-ctr-prediction/tree/master/DeepCross

参考文献： Ruoxi Wang et all. “Deep & Cross Network for Ad Click Predictions,” In ADKDD,2017.