#Paper Reading# Search-based User Interest Modeling with Lifelong Sequential Behavior Data for CTR

论文题目: Search-based User Interest Modeling with Lifelong Sequential Behavior Data for Click-Through Rate Prediction
论文地址: https://dl.acm.org/doi/10.1145/3340531.3412744
论文发表于: CIKM 2020

论文大体内容：
本文主要提出了SIM（Search-based Interest Model）模型，用于支持超长用户行为序列建模，从而使得模型取得更好的效果。

Motivation：
用户行为序列的使用对模型效果的提升有很大的帮助，比如当前SOTA的MIMN模型依靠最长1000的用户行为序列，取得很好的效果。而能否使用更长的用户行为序列来获取更大的收益呢，这正是本文需要探索的。

Contribution：
①提出SIM模型去建模用户长行为序列；
②SIM模型应用于线上取得明显收益；
③用户行为序列长度最长能达到54k，是SOTA方法（MIMN）的54倍

1. SIM模型的架构图如下，主要分为2步：
①GSU（General Search Unit）模块，用于搜索超长的用户行为序列，与当前item匹配；
②ESU（Exact Search Unit）模块，使用搜索到的信息放入MHA中，优化模型效果；

 

2. GSU模块分为Hard-search和Soft-search；

 

3. 线上逻辑如下图：

实验
4. Dataset

5. Baseline
①DIN；
②MIMN；
③SIM；

6. 实验结果

 

 

 

以上均为个人见解，因本人水平有限，如发现有所错漏，敬请指出，谢谢！