deep&cross是google在2023年發表的一篇**，其思想和wide&deep基本一致，只是把wide&deep中的wide部分變成cross層，來彌補dnn不能顯示的學習交叉特徵這一缺陷，一般情況下效果會好於wide&deep，而且模型複雜度與與wide&deep接近。
模型結構如上圖，右邊的dnn部分和wide&deep中的dnn完全一致，左邊的cross層，計算也很簡單，
x0為原始特徵經過embedding後的特徵向量，後一層的結果可以由其前一層，和x0計算而來，從公式可以看出，計算非常簡單，最後再把cross層的特徵向量和dnn的特徵向量concat， 最後再經過乙個二分類的softmax，就可以得到**為正，負樣本的概率。
模型的tensorflow實現**可以參考：
推薦系統CTR預估模型之DeepFM
deepfm是華為諾亞方舟實驗室和哈工大在2017年合作發表的一篇 思想和實現都很簡單，只是在wide deep的基礎上加乙個fm，其中fm和dnn共享原始的embedding特徵向量，由於fm計算的時間複雜度為o kn 其中k為field的個數，一般也很小，故deepfm實際計算的時間複雜度和dn...
推薦系統CTR預估模型之xDeepFM
xdeepfm 是msra發表在kdd 2018上的一篇文章，用於ctr預估。前面已經介紹過deep fm和deep cross networks兩種模型，xdeepfm可以看成結合了這兩種模型的優點。dnn模型以bit wise的形式把特徵進行交叉，而fm則以vector wise的形式進行特徵交...
推薦系統 CTR預估
問題描述 網際網路廣告有多種形式，包括展示廣告 競價排名 上下文廣告。對於按點選付費的廣告，乙個很重要的指標就是廣告點選率 使用者點選的次數 click 展示的次數 impression 本文主要討論的是上下文廣告的點選率預估問題。即，給定乙個網頁 page 和乙個廣告 ad page ad pai...