Deep Interest Evolution Network for Click-Through Rate Prediction

1.概述

对din的改进

din:强调用户兴趣是多样的,并使用基于注意力模型来捕获用户的兴趣

dien:不但要找到用户的兴趣,还要抓住用户兴趣的变化过程

2.结构

1 behavior layer

Feature Representation

User Profile, User Behavior, Ad and Context

one-hot vector

Embedding

transforms the large scale sparse feature into lowdimensional dense feature

2 Interest Extractor Layer

利用GRU作为基本单元

3 Interest Evolving Layer

主要两个部分,一个是attention一个是AUGRU

attention

用公式表示为:

AUGRU

结构如上图,用式子表达如下:

3 loss

target

为了提高准确率引入Auxiliary loss

其中$\sigma$为sigmoid

global loss:

参考

原文地址 https://arxiv.org/pdf/1809.03672.pdf


:D 一言句子获取中...