论文名字是:Deep & Cross network for Ad Click Predictions
目的是提取高维特征用于处理广告点击率的预测问题
![](https://i-blog.csdnimg.cn/blog_migrate/44dbfe2fa04d08ac64d85b34562c1096.png)
The Deep & Cross network
结构如上图所示分为四个部分:
1.embedding
也即将稀疏向量通过embedding转化为稠密表示,然后与稠密向量concat
2.cross network
通过以下公式进行一层层叠加,每层的输出都等于原始特征向量乘以前一层的输出向量加上前一层的特征向量,也即每一层都只增加一维的特征交叉(简单来说就是多项式只增加一次方)
![](https://i-blog.csdnimg.cn/blog_migrate/86be1510cc0361a03549d38919886a15.png)
v2-386ff9852d6fd40b4497fb2195eaadf9_b.jpg
3.Deep Network
就是简单的全连接网络
4.将两个网络的输出concat,最后做二分类