Deep & Cross Network for Ad Click Predictions
摘要
作者起草了DCN,该网络可以保持DNN的优点(隐式地生成特征之间的交互),同时又利用交叉网络来对特征进行显式的交叉计算。这也不要求手工的特征工程,同时只是在DNN的基础上加了一些可容忍的复杂度。实验证明DCN已经在CTR预估与分类问题上超过了sota。
介绍
对于web伸缩型的推荐系统,因为其产生的数据较为稀疏,对于线性模型来说已经不太好处理了。因此交叉特征变得很重要,但是这经常要求我们手动特征工程,为了减少这方面的工作,交叉网络应运而生。同时联合DNN,发挥两者的共同优势。
嵌入和堆叠层
对于离散数据,一般处理时会被编码成one-hot向量,对于实际应用中维度会非常高,因此使用
来将这些离散特征转换成实数值的稠密向量,最后将嵌入向量和连续特征向量堆叠在一起形成一个向量。
交叉网络
对于每层的计算,使用下述公式: