在这篇paper中，首次提到推荐系统中的one-epoch现象： Towards Understanding the Overfitting Phenomenon of Deep Click-Through Rate Prediction Models
在点击率，转化率(CTR/CVR)预测模型中，作者观察到一个有趣的one-epoch过拟合现象：
如上图所示，从第二轮开始，模型在测试集上的性能开始下降。作者通过消融实验证明，模型的结构、优化器和特征稀疏性等与one-epoch现象密切相关。
注意：one-epoch现象是一个常见的问题，它不局限于一个特定的模型结构或数据集。
作者从模型层面和特征层面对此现象进行分析：
作者从embedding_dim，MLP的hidden_units数量，MLP层数等三个方面去做实验，发现都不能缓解one-epoch现象；
甚至，作者将embedding_dim大小设置为1，这意味着每个特征仅由一个标量表示，参数总数已经与LR模型接近的情况下，仍然存在one-epoch现象；
