벡터 수준의 조합
일반적인 심층 신경망은 특징 상호작용을 암묵적으로 학습한다. 연구는 벡터 수준에서 관계를 명시적으로 만드는 압축 상호작용 네트워크인 CIN을 제안했다.
두 방식의 결합
CIN과 기존 심층 신경망을 하나의 모델로 결합한다. 일부 제한된 차수의 상호작용은 명시적으로, 낮은 차수와 높은 차수의 관계는 신경망을 통해 암묵적으로 학습하는 구성을 취한다.
추천 자료의 평가
원 연구는 세 가지 실제 자료에서 예측 성능을 비교했다. 사람이 조합 특징을 직접 설계하는 부담을 줄이면서 서로 다른 상호작용 표현을 함께 사용하는 접근을 조사했다.
관련 문서
DeepFM / DCN 특징 교차 모델 / AutoInt / 추천 시스템 / 특징 공학 / 신경망 가중치의 상호작용 탐지