一、简介
- 这是阿里巴巴和北大联合发表的一篇论文,在电商环境中,用户会存在多种行为:浏览、购买、收藏商品,领取、使用优惠券,搜索关键词等等。
- 由于attention具有抓取序列间的内在关系的能力,因此利用attention来对用户不同的行为进行建模,致力于更全面的融合用户的不同行为。
- 本文针对异构的行为,提出的是一个通用框架,下游任务可以根据业务场景自行设计。
二、模型框架
模型主要分为四个部分:
- Raw Feature Spaces:原始特征,对应多种不同行为
- Bahavior Embedding Spaces:embedding特征,对应多种不同行为
- Latent Semantic Spaces:语义空间,将行为映射到多个语义空间
- Self-Attention Layer:attention建模行为之间的潜在关联
- DownStream Application Network:下游任务
以下是过程举例图解:每个u11,s11,f11等都是行向量如[0.1, 0.2, …]