1.早期的算法
深度学习在CTR预估应用的常见算法有Wide&Deep，DeepFM等。
这些方法一般的思路是：通过Embedding层，将高维离散特征转换为固定长度的连续特征，然后通过多个全联接层，最后通过一个sigmoid函数转化为0-1值，代表点击的概率。即Sparse Features -> Embedding Vector -> MLPs -> Sigmoid -> Output.
这种方法的优点在于：通过神经网络可以拟合高阶的非线性关系，同时减少了人工特征的工作量。
2.DIN
参考：https://www.jianshu.com/p/73b6f5d00f46