《CAN: Revisiting Feature CoAction for ClickThrough Rate Prediction》论文阅读

背景

现在的推荐系统基本都采用了DNN的网络的结构，DNN理论上虽然可以隐式的学习到特征交叉，但是仍有许多显式的特征交叉工作取得了收益（个人理解是显式的特征交叉可以帮助模型缩小假设空间，模型更好收敛）。这篇论文主要提出了CAN（Co-Action Network）这种特征交叉方法

网络结构

 

这片论文的网络结构如上图所示，这个网络的右半部分就是一个用DIEN进行序列建模的传统DNN，主要是左半部分不同，采用了CAN进行特征交叉

CAN的结构如上图最左边所示，从user侧选取部分特征构成P_user，从item侧选取部分特征构成P_item，CAN的结构类似于MLP，只不过它的输入是P_user，参数是P_item

参考资料

https://www.jianshu.com/p/5f6e938ae086