DCN之前FM系列特征交叉思路总结 在之前的推荐算法特征交叉系列中，已经介绍了从FM，FFM，到PNN，DeepFM，NFM，AFM这一系列围绕特征交叉展开的算法，这些算法都是以FM为基石，在FM的基础上优化其二阶交互表达能力的策略，主要有三种形式： 引入DNN优化FM的非线性能力：PNN，DeepFM，NFM都是将DNN和FM结合，其中PNN，NFM采用串联结构，DeepFM采用并联结构

1. 前言 随着信息技术和互联网的发展， 我们已经步入了一个信息过载的时代，这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战： 信息消费者：如何从大量的信息中找到自己感兴趣的信息？信息生产者：如何让自己生产的信息脱颖而出， 受到广大用户的关注？ 为了解决这个矛盾， 推荐系统应时而生， 并飞速前进，在用户和信息之间架起了一道桥梁，一方面帮助用户发现对自己有价值的信息， 一方面让信息能

1. 简介 DCN模型（Deep & Cross Network for Ad Click Predictions）是2017年提出的。 出发点： （1）人工探索所有的交叉特征是不现实的； （2）难于推广未曾出现过的交叉特征。 DNN能够自动探索交叉特征并推广到未出现过的交叉特征，但是DNN的学习效率不高，且无法显式的学习特征交叉。 Deep&Cross Network, DCN 模型保留了