一、 论文来源

本次复现的DCN-V2模型由《DCN V2: Improved Deep & Cross Network and Practical Lessons for Web-scale Learning to Rank Systems》提出。

二、 数据集

本模型在Criteo数据集上运行。Criteo数据集通过RecBole框架提供的方法可转换为.INTER类型的原子文件。

三、 论文阅读 & 模型复现

1、 简介

学习排名（Learning to Rank，LTR）是现代机器学习和深度学习的重要问题之一。在LTR模型中，学习有效的特征交叉吸引关注。

有效的特征交叉提供了超出个别特征的额外的交互信息。

为了更准确地捕获有效的特征交叉，常见的补救措施是通过更宽或者更深的网络进一步增加模型的容量。但是提高模型性能的同时，降低了服务速度。

Deep&Cross Network（DCN）是有效和优雅的。

DCN-V2首先通过交叉层学习内部的显性特征交互，然后与深度网络结合，学习互补的隐性交互。DCN-V2的核心是交叉层。

2、相关工作

（好吧，其实读到这里都没有看懂，希望后面具体描述能看懂）

3、DCN-V2

（感觉有必要先学习一下DCN模型）