암묵적 상호작용의 보완
심층 신경망은 특징 상호작용을 학습할 수 있지만 어떤 종류의 교차 특징을 효율적으로 배우는지는 별개의 문제다. DCN은 이 문제에 명시적인 교차 구조를 추가하는 방식으로 접근했다.
층별 특징 교차
교차 네트워크는 각 층에서 특징 교차를 명시적으로 적용한다. 수작업 특징 공학 없이 일부 제한된 차수의 상호작용을 학습하면서 심층망의 장점을 유지하도록 설계됐다.
정확도와 메모리
원 연구는 클릭률 예측 자료와 조밀한 분류 자료에서 모델의 정확도와 메모리 사용을 비교했다. 교차 구조가 추가하는 계산 복잡도와 상호작용 학습의 효율을 함께 다뤘다.
관련 문서
DeepFM / 특징 공학 / 클릭률 / 다층 퍼셉트론 / 추천 시스템 / 신경망 가중치의 상호작용 탐지