DCN:Deep & Cross Network for Ad Click Predictions简介

最新推荐文章于 2024-07-21 17:17:02 发布
最新推荐文章于 2024-07-21 17:17:02 发布
阅读量1.9k 收藏 1
点赞数
分类专栏： 论文学习 文章标签： DCN 点击率预估 论文
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35564813/article/details/88600139
版权
DCN（Deep & Cross Network）是一种结合深度神经网络与交叉网络的模型，旨在解决稀疏数据问题并提高点击率预估的准确性。通过嵌入层将离散特征转换为稠密向量，交叉网络则能有效捕捉特征间的交互。实验证明，DCN在CTR预估任务中超越了当前最佳模型。
摘要由CSDN通过智能技术生成

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
在这里插入图片描述

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。

在这里插入图片描述

交叉网络

对于每层的计算，使用下述公式：

最低0.47元/天 解锁文章
loserChen.
关注
专栏目录
推荐系统笔记7-Deep & Cross Network for Ad Click Predictions
年少_当自强的博客
02-06 683
本文介绍Deep & Cross Network for Ad Click Predictions，这个和之前一篇Deep Crossing文章是不一样的，Deep Crossing通过ResNet和Embedding来学习特征组合； 摘要 特征工程对于预测模型是很重要的，但是这个过程费时费力，DNNs可以自动学习特征交互，但是不能学习所有的特征类型；文中提出Deep & Cros...
推荐系列论文五:Deep & Cross Network for Ad Click Predictions
JustForFun的博客
07-04 575
论文地址 Deep & Cross Network for Ad Click Predictions 前言 这次分享一下来自Standford和google联合发表的Deep&Cross Network，该篇文章主要工作是提出了Cross的结构来进行高阶的特征组合并且引入线性时间复杂度，模型的结构与Wide&Deep类似，不同的地方主要在于在Wide&Deep中，W...
DCN（Deep & Cross Network for Ad Click Predictions）——深度特征交叉网络
最新发布
weixin_41570231的博客
07-21 1337
Deep & Cross Network（DCN）是一种新型神经网络模型，结合了深度神经网络（DNN）和交叉网络（Cross Network），用于处理大规模点击率（CTR）预测问题。DCN能够自动高效地学习特征交互，适用于稀疏特征和密集特征。与相比，主要是宽组件（Wide Component）被替换为交叉网络（Cross Network），并对输入输出做了相应的调整。因此，本文的介绍重点在于交叉网络。
Deep & Cross Network for Ad Click Predictions（草稿）
拾遗
11-05 772
今天分享的是DCN《Deep & Cross Network for Ad Click Predictions》
CTR预估 论文精读(九)--Deep & Cross Network for Ad Click Predictions
Dby_freedom的博客
01-16 7516
摘要 Feature engineering has been the key to the success of many prediction models. However, the process is nontrivial and often requires manual feature engineering or exhaustive searching. DNNs are abl...
Deep & Cross Network for Ad Click Predictions
serenysdfg的博客
07-06 460
解读参考：https://blog.csdn.net/Dby_freedom/article/details/86502623 代码:https://github.com/FitzFan/Deep-Cross-Net 传统的CTR预估模型需要大量的特征工程，耗时耗力；引入 DNN 之后，依靠神经网络强大的学习能力，可以一定程度上实现自动学习特征组合。但是 DNN 的缺点在于隐式的学习特征组合带来的不可解释性，以及低效率的学习(并不是所有的特征组合都是有用的)。 DCN在学习特定阶数组合特征的时候效率非
论文阅读：Deep & Cross Network for Ad Click Predictions
pwh1209的博客
10-16 478
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Dee
深度特征工程：[google]DCN-M: Improved Deep & Cross Network for Feature Cross Learning in Web-scale Learning
knight的博客
10-21 723
参考：https://mp.weixin.qq.com/s/0qidwbxyfTkODTw2DIiRWw 代码 1、贡献 DNN在特征交叉学习上比较低效，DCN[1]可以高效的学习高阶的特征交叉，本文在DCN的基础上，提出一种改良版的DCN-M模型。 2、回顾DCN的结构 图中输入包括连续特征和向量, 模型分两支，一是DNN模型，一是Cross Net，最终两者的输出concat一起经过FFN输出。 CrossNet的公式如下： 公式的矩阵显示是： 式中w和b都是d维向量，因此每增加一层增加2d个参数
Deep & Cross Network for Ad Click Predictions【论文记录】
Novelin的博客
12-01 141
Deep&Cross 在 Wide&Deep 基础上改了 Wide 为 Cross Network，想要自动进行特征学习，而不是人为手工选取特征 全文精华：Cross Network 加入input 参数共享
论文阅读【3】Deep & Cross Network for Ad Click Predictions
kullollo的博客
07-01 580
特征工程是许多预测问题成功的关键，但这一过程需要大量人力开销并且依赖于经验知识。DNN是解决这一问题的方法，但这种方法表示特征之间的交互是隐式。本篇论文提出的Deep & Cross Network (DCN)在保证了DNN对于特征交互的基本表示的同时，通过引入cross network使得其在特定阶数的交互关系时更加节省空间，并用CTR实验证明了DCN的这一特性。...
Deep & Cross Network demo 实现 deep_cross_network.rar
06-04
基于tensorflow 1.* 的 DeepCross 实现的demo，直接执行main 就可以直接运行，通过pycharm 导入，需要引入 tensorflow numpy pandas 等模块 只用于测试 科研等。需要的小伙伴可以下载学习
【Paper Note】DCN——Deep & Cross Network for Ad Click Prediction论文翻译（中英文对照）
roguesir的博客
03-30 8152
Abstract Feature engineering has been the key to the success of many prediction models. However, the process is nontrivial and o en requires manual feature engineering or exhaustive searching. DN...
【Paper】Deep & Cross Network for Ad Click Predictions
weixin_30902675的博客
11-09 164
目录 背景 相关工作 主要贡献 核心思想 Embedding和Stacking层 交叉网络(Cross Network) 深度网络(Deep Network) 组合层(Combination Layer) ...
Deep & Cross Network for Ad Click Prediction（DCN）
weixin_40200988的博客
10-22 157
谷歌2017年提出的基于wide&deep的交叉网络模型 谷歌提出在FM只能二阶特征组合的基础上，能否实现任意阶的特征融合工作，于是在此基础上突出了交叉网络 最底层embedding　上层左侧cross network 采用残差的链接方式，因此不会像DNN一样，传播多层导致了信息的丢失，损失了记忆性。而且计算量也是极大的简化。 ...
CTR预估 论文实践(九)--Deep & Cross Network for Ad Click Predictions
Dby_freedom的博客
01-20 777
Wide & Deep 模型实践 博客代码均以上传至GitHub，欢迎follow和start~~! 1. 数据集 数据集地址：https://www.kaggle.com/c/porto-seguro-safe-driver-prediction/data 判定是否需要上交索赔，是二分类问题； 评价指标本实验采用 Logloss。 2. Deep&Cross Network 2....
Deep & Cross Network for Ad Click Predictions 阅读笔记
xuanshuang的博客
02-05 248
摘要 特征工程是很多预测模型成功的关键。这个过程并不容易，需要手动进行特征工程或者遍历搜索。DNN可以自动学习特征交汇。然而他们是隐式的生成特征交互；并不能充分学习到所有的特征交互。在这篇文章中，我们提出了Deep & Cross Network（DCN），DCN保留了DNN的优势，它引入了一种新的交叉网络，可以有效地捕获有限阶（bounded-degrees）上的有效特征交叉。特别地，DCN在每一层进行显示的特征交叉，切不需要手动的特征工程，像对于DNN来说，模型的复杂度也没有提升多...
主线4.1DCN论文阅读：Deep & Cross Network for Ad Click Prediction
weixin_45459911的博客
04-06 548
文章目录一、摘要二、介绍1、嵌入和堆叠层 一、摘要 这篇论文是Google 对 Wide & Deep（想了解这个模型可以点击这里）工作的一个后续研究，文中提出 Deep & Cross Network，将Wide部分替换为由特殊网络结构实现的Cross，自动构造有限高阶的交叉特征，并学习对应权重，告别了繁琐的人工叉乘。 二、介绍 Deep & Cross的网络结构如下图所...
ad hot network
09-28
引用中提到了一篇论文题目为"Deep & Cross Network for Ad Click Predictions"的文章。该文章提出了一种Deep & Cross网络模型，用于广告点击预测。其中，Cross网络是该模型的创新点，通过多个交叉层增加特征之间的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值