1. DCN優點
使用Cross Network，在每一層都運用了Feature Crossing，高效學習高階特征。
網絡結構簡單且高效
相比DNN，DCN的Logloss值更低，而且參數的數量少了一個數量級。
2. 網絡整體結構
主要分為Embedding和Stacking層，利用Embedding將二值化特征轉變為實值的稠密向量，Embedding過程中用到的矩陣參數和網絡中的其他參數一起訓練，然后將Embedding向量和經過歸一化的稠密向量Stack到一起作為網絡的輸入。
其數學表示為：
3. 交叉網絡
數學表示為：
總參數量為：
（
為輸入向量的維度，
為交叉網絡的層數）
4. 深度網絡
DNN：
總參數量為：
（輸入維度為，
為神經網絡層數，每層神經元個數為
）
5. 組合方式
6. 參考博客
https://www.jianshu.com/p/77719fc252fa
https://www.cnblogs.com/cling-cling/p/9922766.html