好久没有写排序模型了,最近又看到一篇令人眼前一亮的论文,Deep User Match Network for Click-Through Rate Prediction。该文提出以往的论文都专注于挖掘item与item的关系,又或者是交互特征,都忽视了用户和用户之间的关系。这篇论文创新的提出了Deep User Match Network-DUMN,该模型设计了用户表达层基于用户历史兴趣学习用户embeding。然后User Match层考虑了用户与用户的相关性,并对目标用户和候选item直接的相似度进行度量。废话不多说,直接看模型!
DUMN
先看看DUMN的框架图输入包括用户画像,用户行为,候选item的特征,上下文等,输入就是点击率。
![v2-d3f83e7696940180a186d82ff2fee073_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/d21d01ba5a4705ec58fb3c39f86de03c.jpeg)
用户和items之间有各种交互,如点击,打分。基于这种交互,我们可以获得目标用户的交互行为和候选集。
用户行为:指的是给定一个用户u,我们可以拿到该用户最近Nu个交互过的item list Iu和所有item的特征。
item行为:给定一个item m,我们可以获得和该item交互过的一个user list Um 以及这些用户的特征。Um = [(u1, Iu1), (u2, Iu2), ...