參考文獻
https://zhuanlan.zhihu.com/p/57162373
源碼解讀
https://github.com/shenweichen/DeepCTR
可分為三大塊：
1.模型輸入部分
通過Input層和embedding層，對稀疏特征進行embed。得到一個embedding_list
2.模型結(jié)構(gòu)部分
用tensorflow的build,call函數(shù)，新建Layer,一層一層堆積
3.模型訓(xùn)練和預(yù)測部分
繼承tf.keras中的Layer類，里面有fit和predict方法。
1.模型輸入部分
一些總結(jié)
不用做one hot,將sparse feature做embedding灌入模型中，指定embed size.
注意：
CIN層是向量級別的交叉，所以xdeepFM,不能做不同的embed size
CIN博客
http://xudongyang.coding.me/xdeepfm/
http://kubicode.me/2018/09/17/Deep%20Learning/eXtreme-Deep-Factorization-Machine/#CIN
高級特征計算過程：
應(yīng)用了Kronecker product（克羅內(nèi)克積)，CNN中的核思想，RNN中的前后思想。
m為特征數(shù)，D為embed size長度。Hk為k層的特征數(shù)。
