这篇文章是比较早期的一篇用DNN做CTR的文章，2016年的，思路比较清晰，也很简洁，就是用embedding去学习数据类别的表示，然后用全连接层学习高阶的特征交互，模型结构如下图所示
其中第一层除了包含一阶信息外，还有二次项一并带入激活函数，可以看出，作者对每个类别进行不同的embedding，这样可以最大程度上抓住每个类别的特点，然后还有inner-PNN和outer-PNN两种方式，具体可以看论文。缺点也很明显，从图中可以看出，网络不是很深，说学习high-order的feature interactions也是有一定局限性的，同时我看见最后实验部分，感觉数据量可能会有点小，实验结果有一定局限性。