《推荐系统》-Deep&Cross Network模型

1、原理

Deep&Cross Network模型我们下面将简称DCN模型：

一个DCN模型从嵌入和堆积层开始，接着是一个交叉网络和一个与之平行的深度网络，之后是最后的组合层，它结合了两个网络的输出。完整的网络模型如图：

图1、the Deep & Cross Network

嵌入和堆叠层

我们考虑具有离散和连续特征的输入数据。在网络规模推荐系统中，如CTR预测，输入主要是分类特征，如“country=usa”。这些特征通常是编码为独热向量如“[ 0,1,0 ]”；然而，这往往导致过度的高维特征空间大的词汇。为了减少维数，我们采用嵌入过程将这些离散特征转换成实数值的稠密向量（通常称为嵌入向量）：
$x_{embed}=x_{embed,i}{x}_i$

然后，我们将嵌入向量与连续特征向量叠加起来形成一个向量：
$x_0=[x_{embed,1}^T,...,x_{embed,k}^T$