# PNN Product Layer

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：第3章 深度学习在推荐系统中的应用
- 页码线索：67-70
- 目标岗位：AI PM / 推荐系统产品 / 算法工程师面试
- 优先级：P1
- 标签：pnn, product-layer, feature-cross

## 面试问题

PNN 为什么要引入 Product 层？

## 30 秒回答

PNN 用 Product 层显式建模 embedding 特征之间的交叉关系，在深度网络中保留类似 FM 的二阶交叉能力。

## 展开要点

- 普通 DNN 拼接 embedding 后未必充分表达特征交叉。
- Product 层可以做内积、外积等特征交互。
- 适合强调用户、物品、上下文之间组合关系的 CTR 场景。
- 表达力增强也会带来参数量和计算成本上升。

## 高频追问

- PNN 和 DeepFM 有什么共同点？
- 内积和外积 Product 有什么区别？
- 显式交叉与隐式交叉如何取舍？

## 项目映射

- 候选人背景 x JD x 学习阶段的交叉建模。
- AI 产品中的用户任务 x 工具 x 场景匹配。

## AI PM 迁移

特征交叉提醒 AI PM：用户价值往往来自上下文组合，而不是单个特征。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。