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Puser,从item侧选取部分特征构成Pitem,CAN的结构类似于MLP,只不过它的输入是Puser,参数是Pitem