利用product解决特征交叉问题——PNN模型

解决痛点 传统模型： （应该指的是逻辑回归这种）挖掘特征的能力有限，比如无法挖掘到二阶特征 深度网络模型： 无法应用到大规模高维稀疏特征上。 所以提出了PNN模型，该模型先用embedding层学习到类别特征的表达形式，再用一个乘积层学习到不同特征间的交叉信息，最后用全连接层学习到更高阶的特征表达。 网络结构 从一个top-to-down的视角来看： 最顶层 最上面一层是一个CTR的输出 y ^

>>阅读原文<<