跨域混合兴趣网络CTR模型MiNet: Mixed Interest Network for CrossDomain Click-Through Rate Prediction

CTR模型：跨域混合兴趣网络Minet

最近在做推荐系统的项目，在此对跨域CTR模型混合兴趣网络MiNet: Mixed Interest Network for Cross-Domain Click-Through Rate Prediction做一个简单的笔记。本篇文章将先介绍什么是跨域，再用自顶而下的方式解读MiNet模型。
来源论文：Wentao Ouyang, Xiuwu Zhang, Lei Zhao, Jinmei Luo, Yu Zhang, Heng Zou,Zhaojie Liu, Yanlong Du. 2020. MiNet: Mixed Interest Network for CrossDomain Click-Through Rate Prediction. In Proceedings of the 29th ACM International Conference on Information and Knowledge Management (CIKM’20), October 19–23, 2020, Virtual Event, Ireland. ACM, New York, NY, USA,
8 pages. https://doi.org/10.1145/3340531.3412728
github地址：https://github.com/oywtece/minet

什么是跨域Cross-domain

什么是域？
域是某些实例聚集在一起的集合，它的定义可大可小。例如，淘宝和微信就是两个域，微信的文章和广告也是两个域。
什么是跨域？
跨域是基于重叠（overlap）的。当两个域的部分实例发生某个或者某些属性发生重叠时，我们认为这些实例跨域了。比如当某个新闻和某个广告的观众属性相同，我们认为这两个实例跨域了。
为什么要跨域推荐？
这里直接引用原文（翻译）：

现有的工作主要针对单一领域CTR预测，即仅利用ad数据进行CTR预测，并对特征交互、用户行为历史和上下文信息等方面进行建模。然而，广告通常伴随着自然内容显示，这为跨域CTR预测提供了机会。在本文中，我们解决了这个问题，并利用源域的辅助数据来提高目标域的CTR预测性能。我们的研究基于UC今日头条(如下图)，源域为自然新闻feed(新闻域)，目标域为广告(广告域)。跨域的一个主要优势CTR预测是指通过跨域丰富数据，可以缓解目标域的数据稀疏性和冷启动问题，从而提高预测性能。