点击率预估又有新花样？

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。

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), ...