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