利用product解決特徵交叉問題——PNN模型

解決痛點 傳統模型： （應該指的是邏輯迴歸這種）挖掘特徵的能力有限，比如無法挖掘到二階特徵 深度網絡模型： 無法應用到大規模高維稀疏特徵上。 所以提出了PNN模型，該模型先用embedding層學習到類別特徵的表達形式，再用一個乘積層學習到不同特徵間的交叉信息，最後用全連接層學習到更高階的特徵表達。 網絡結構 從一個top-to-down的視角來看： 最頂層 最上面一層是一個CTR的輸出 y ^

>>阅读原文<<