推荐系统之DCN模型

Deep&Cross Network 是继wide&deep模型推出的，对比主要是将wide层改成cross层，用于特征的充分自动交叉编码，而后和deep层特征拼接作为最后一层输入，其基本参数

• feature_size(类别特征数): M
• field_size(类别特征列): F
• dense size(连续特征个数): D
• embedding size(每个类别特征表示维度数): K
• batch size :B

如上图所知，其原始输入X0是由连续特征(Dense feature)和类别特征(Sparse feature)拼接而成。

因此同样需要先建立一个[M,K]的embedding矩阵，然后通过tf.lookup函数从emb matrix取出一批次的类别特征[B,F,K]

X0:[B,F*K+D] ==> [B,d]  注：为方便用d代替（F*K+D）

1. cross layer

    可以着重研究一下为什么是这种交叉方式，他实现了怎样的交叉