总结
提出permutation概念,rnn做rank
细节
user emb和item emb
考虑稀疏特征+稠密特征
permutation-matching
offline: 2个模型,分别预测ctr以及next score(是否继续阅览),不共享参数的dnn
online: 改进的beam search
permutation-rank
offline: bi-lstm + mlp,交叉熵损失
online: 使用上面的改进交叉熵损失
实验
评估指标:loss, auc, pearson
对比模型:dnn, deepFM, dlcm, prm
在线a/b test:pv, ipv(item pv)