论文阅读：Deep & Cross Network for Ad Click Predictions

论文题目：Deep & Cross Network for Ad Click Predictions

作者：Ruoxi Wang、Bin Fu、Gang Fu、Mingliang Wang

1 论文要点

该模型是对Wide&Deep模型的一种改进。由于Wide&Deep模型的Wide部分的特征交互需要特征工程，而手工设计特征工程非常的繁琐。
所以作者对Wide部分进行更改，提出了一个Cross Network来自动进行特征之间的交叉，并且网络的时间和空间复杂度都是线性的。通过与Deep部分相结合，构成了深度交叉网络（Deep & Cross Network），简称DCN。

2 数据集

本文使用Criteo数据集进行测试。数据集大小共11GB，包含4100万条数据，它由13列数值特征（Dense Input）和26列类别特征（Sparse Input）组成。其表示如下：

• Label：标签，表示目标广告点击（1）或未点击（0）；
• I1-I13：13个数值特征，也称为计数特征；
• C1-C26：26个分类特征（稀疏特征），为了匿名化的目的，对数据进行了脱敏感处理，没法知道每一列的具体含义，这些特性的值被编码散列到32位上；

3 模