【论文阅读】BST ：Behavior Sequence Transformer for E-commerce Recommendation in Alibaba

一句话总结：BST对用户对历史行为进行编码同时模仿原文将商品对应的时间信息也通过编码加入到模型中。

 

---

在DIN部分,我们开始关注到了用户的历史点击等行为信息，但是从DIN的设计中，我们发现DIN在处理序列问题时较好地考虑了用户的历史购买商品信息，也将现有的商品或者广告和历史点击的商品或广告进行attention来捕获用户的多兴趣，取得了非常不错的效果，但是DIN的设计忽略了用户兴趣的变化等信息，未能较好地捕捉序列信息。

BST简介

BST对用户对历史行为进行编码同时模仿原文将商品对应的时间信息也通过编码加入到模型中，我们看BST的网络结构，发现和DIN较大的不同之处，我们直接将用户对商品对行为序列以及当前对商品全部embedding之后concat之后经过transformer层输出，然后再进行concat经过mlp进行输出。

时间编码

• 和传统的编码方式不一致，在此处我们用推荐的时间和用户点击商品i的时间差（相对时间）来作为位置编码。

BST的优缺点

1.优点

不仅仅是挖掘用户的多维度信息，同时尝试去挖掘用户的兴趣演变的信息。效果相较于DIN等也得到了不错的提升。

2. 缺点

该文章的贡献主要在于将transformer加进来，没有太多方法上的创新，而且时间序列的挖掘，并没有看到用户的内容，所以可能挖掘不充分。