推荐系统遇上深度学习(一零七)-[阿里]使用统一模型进行多域CTR预估

今天给大家介绍的是阿里公开的一篇论文，主要介绍如何使用统一的模型在多domain进行CTR预估。论文标题为《One Model to Serve All: Star Topology Adaptive Recommender for Multi-Domain CTR Prediction》，一起来看一下。

1、背景

在大的电商公司如阿里和亚马逊，通常需要对多个业务domain的商品进行点击率预估，如下图所示，顶部的banner和猜你喜欢频道均需要进行CTR预估。

对于这种多domain的情况，常见的做法是每个domain使用自己独有的数据训练单独的模型，并单独部署上线。这种做法存在一定的缺陷，首先，部分业务线的数据比较稀疏，模型难以得到充分的训练，其次，不同的业务线的模型单独训练，需要更多的计算资源和人力资源消耗。

不同domain的用户和商品具有一定的交集，因此不同domain的信息共享，在一定程度上可以提升CTR预估模型的效果，但同时，不同的domain的用户行为存在一定的差异，导致数据分布存在一定差异，简单的混合所有domain的数据来学习一个共享的模型，用于所有domain的CTR预估，可能达不到预期的效果。那么，如何有效利用各域的数据，使用统一的模型来进行multi-domain的CTR预估呢？接下来，一起来学习下论文中提出的方法。

2、方法介绍

论文中提出的方法称作star topology adaptive recom- mender (STAR)，其整体的结构如下图所示：

该结