DCN

概述

Google 于 2017 提出的 CTR 预估模型，通过 Cross Network 显式建模任意阶特征交叉，与 DeepFM 同期但采用不同的显式交叉策略。

关键内容

1. Cross Network：提出 Cross Network（交叉网络），通过逐层交叉操作显式建模任意阶特征交互，与 DeepFM 依赖 FM 二阶 + DNN 隐式高阶的策略不同。
2. Deep & Cross 架构：采用 Cross Network（显式交叉）+ Deep Network（隐式交叉）的并行架构，与 DeepFM 的 FM + DNN 并行架构设计理念相似但实现不同。
3. DCN V2：2020 年推出 DCN V2，引入矩阵核 CrossNet 和 MoE（Mixture of Experts），进一步提升了模型的表达能力和效率。
4. CTR 模型演化链：在 CTR 模型演化史上，DCN 与 DeepFM 处于同一分叉点，确立了"显式交叉组件 + DNN"的标准范式。

来源

• Deep & Cross Network (Google 2017)
• raw/books/推荐系统/09-deepfm.md

相关

• DeepFM — 同期并行工作
• xDeepFM — 后续显式交叉改进
• Wide & Deep — Google 前作
• CTR 预估 — 应用场景