论文笔记-Deep Interest Network for Click-Through Rate Prediction

重点：认为不同的广告会触发用户的兴趣点不同导致user embedding随之改变。

 

DIN网络结构如下图右边

DIN的出发点：认为不同的广告会触发用户的兴趣点不同导致user embedding随之改变。

认为用户embedding向量 是 推荐出来的ad向量的函数，并且ad向量可以通过与历史行为有关的id向量之间的attention联系起来，将用户向量表示成历史行为id向量的attention加权。

关于训练的个人理解：向量u里面各个参数是由向量i和向量a的参数来表征的，通过这种约束（关系）进行学习参数。