CTR模型相关论文，大家已经看了很多了，如FNN、DeepFm、XDeepFM等，难免会"审美疲劳"，所以这些模型真的充分挖掘了交叉特征了吗？这篇论文《MaskNet: Introducing Feature-Wise Multiplication to CTR Ranking Models by Instance-Guided Mask》提出了MaskBlock更好的挖掘交叉特征，提升点击率模型的效果。

这篇论文的贡献主要如下：

• 本文提出了一种instance-guided mask方法，该方法在DNN中的特征嵌入层和前馈层同时使用element-wise product。instance-guided mask包含全局上下文信息，动态地融入到特征嵌入层和前馈层，突出重要的特征。
• 本文提出了MaskBlock结构，该结构由3个部分组成，分别为instance-guided mask，前馈层，normalization层。通过这种结构，把标准的DNN扩展为包含可加可乘的交互特征结构。
• 本文提出了排序框架MaskNet，充分利用了MaskBlock作为基本单元，提出了串行MaskBlock和并行MaskBlock。
• 在3个数据集上，MaskNet都表现最好，说明MaskBlock可以显著提升DNN挖掘复杂交互特征的能力。

Embedding Layer:

关于特征，对于稀疏特征，就直接embedding成k维，对于稠密特征，通过乘一个k维的向量转换成特征，最后把所有特征concat在一起，如下所示:

f表示特征数量，每个特征都映射成了k维度，所Embedding Layer输出了f*k维的特征向量。

Instance-Guided Mask:
通过Instance-Guided，充分利用了输入样本得到的全局上下文信息，对特征层和前馈层中重要的包含信息的特征进行强化，在DNN中引入了乘法操作，使得模型更加有效的捕捉到复杂的交互特征。

如上图所示，两个使用了identity function全连接的FC层，可以注意到

第一个FC层是集成层，为了充分捕捉全局上下文特征，它要比下一层更"宽"。该层的参数为Wd1，这里d表示第d个mask层。第二个FC层是投射层，通过Wd2降低维度，如下所示：

这里要注意projection layer的输出维度要等于feature embedding层或者mlp层，所以z > t，令r = t/z表示衰减比率，是一个超参。

该论文提出使用element-wise product来融合全局上下文信息(提取feature embeding层或前馈网络层特征)，如下式所示:

instance-guided mask可以被看作为一种特殊的bit-wise attention或者是gate结构。Vmask可以直接看作为每一个bit的权重，可以加强重要的特征，减弱噪声对模型的影响。其实Vmask有点像之前一篇介绍的SENET双塔，只不过SENET是field-wise mask，这里是bit-wise mask。

MaskBlock:

了解了maskblock中最重要的instance-guided mask后，理解maskblock就很简单了，先简单回顾下layerNorm，如下式所示:

在本文用的LN中，把每个特征都当作layer，做LN后concat在一起，如下所示:

前馈层后同样使用了LN：

最后maskblock如下图所示:

这个maskblock以另一个maskblock的输出和feature embedding layer为输入。相当于在maskblock的强特上，通过Vmask继续筛选强特。这种结构定义如下公式:

MaskNet：

所以最后网络结构长啥样？论文给了两种方案，serial masknet和parallel masknet，如下图所示:

看图还是很好理解的，不赘述。最后prediction layer也比较简单，用logloss就好,还可以加上正则化。

从实验我们可以看到serial masknet和parallel masknet在不同数据集上表现各有优劣，但是相较于其他模型都是最好的。

1.MaskNet: Introducing Feature-Wise Multiplication to CTR Ranking Models by Instance-Guided Mask

这个CTR模型，有点意思