阿里跨域点击率预估混合兴趣模型

2020，CIKM

《MiNet: Mixed Interest Network for Cross-Domain Click-Through Rate Prediction》论文阅读笔记

1. 背景：
   点击通过率预测（CTR）是在线广告系统的关键任务，预测用户点击某特定广告的概率，已应用到工业和学术界。

2. 已有方法：
   FM建模点对特征交互；DNN自动学习特征和高阶特征交互；wide&deep混合浅层和深层模型；DIN基于历史行为建模用户的动态兴趣。

3. 存在问题：
   主要处理单域CTR预测问题。

4. 本文：
   利用原域中的辅助信息提高目标域中推荐的准确性，解决目标域中的数据稀疏和冷启动问题，提高推荐性能。
   基于UC头条的应用场景，将新闻作为源域，广告作为目标域。充分利用新闻数据进行广告CTR的预测，提出混合兴趣网络，联合建模用户兴趣的三种类型：跨域长期兴趣 + 来自原域的短期兴趣 + 目标域中的短期兴趣。包含两级注意：项目级（从点击的新闻/广告中自适应提取有用信息）和兴趣级（自适应融合不同的兴趣特征）。
   

5. 具体
   5.1 跨域长期兴趣Pu：
   拼接原域&#