LitraLIN的博客

阿里DMR模型开源地址：https://github.com/lvze92/DMR背景这里不对背景做太多解释，主要是：最近比较流行的CTR预估网络主要花很多精力在挖掘用户的潜在兴趣、信息等，但是忽略了user与item之间的关联性，而user-item之间的关联性恰恰是最能够反映用户兴趣的地方，因此本篇文章主要是借鉴了协同过滤（CF） 中计算user-item和item-item矩阵相似度，同时基于注意力机制和position encoding来挖掘不同时期用户兴趣，使用辅助网络来帮助训练。创新点

1、前言尽管最近的一些工作已经将深度学习运用到了推荐的任务中，但只是用深度学习给一些辅助的信息建模例如项目中的文字描述或音乐的声学特征等等。在表示用户与项目之间的交互仍然使用矩阵分解德国用内积来建模。本篇论文主要是用多层神经网络给用户和数据之间的交互建模，我们的数据主要是居于隐式反馈（例如购买记录，浏览记录等）在本文中，我们 探讨了如何利用DNN来模拟噪声隐式反馈信号的中心问题。显示反馈（explicit feedback）：用户直接反映其对产品的喜好信息，如评分等等。隐式反馈（implicit f