《CAN: Revisiting Feature Co-Action for Click-Through 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
参考资料
https://www.jianshu.com/p/5f6e938ae086