xDeepFM 是MSRA发表在KDD 2018上的一篇文章，用于CTR预估。

 前面已经介绍过Deep FM和Deep & Cross Networks两种模型，xDeepFM可以看成结合了这两种模型的优点。DNN模型以bit-wise的形式把特征进行交叉，而FM则以vector-wise的形式进行特征交叉。Deep&Cross交叉的每一层和起始输入X0其实都是一个线性关系，而且交叉也是以bit-wise的形式，并不能有效发现高阶组合特征。结合Deep FM和Deep&Cross的各自优点，提出xDeepFM这种结构。

 上图是xDeepFM的网络结构，类似Deep FM和Deep&Cross，xDeepFM有linear单元，一个DNN，再加一个CIN(Compressed Interaction Network)组合而成，linear和DNN结构与DeepFM和Deep&Cross一致，接下来简单介绍下CIN。

 上图是CIN的结构，理解DeepFM和Deep&Cross之后，这部分也很容易理解，初始输入shape为(batch_size, field_num, dim) , field_num为field的个数(多少个feature)，dim为每个特征的维度，因为是类FM结构，所以每个特征的维度都必须是一样的。由上图(a)，把输入根据最后一维进行split，形状变为(dim, batch_size, field_num ,1 )， 然后两个tensor再类似Deep&Cross那样相乘，再做一个conv1d的一维卷积，指定输出的维度(由cross_layer指定)，最后把cross_layer的每一层结果做一个concat，作为最后CIN的输出。详细的过程可以具体看相应的paper。

xDeepFM模型的tensorflow代码实现可以参考：https://github.com/qiaoguan/deep-ctr-prediction/tree/master/XDeepFM
参考文献：Jianxun Lian et all. “xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems,” In KDD,2018.