CTR中首个联合训练matching和ranking的研究

阿里发表于2020年的AAAI，首个联合训练matching和ranking的模型

《Deep Match to Rank Model for Personalized Click-Through Rate Prediction》论文阅读笔记

1. 背景：
   召回和排序是推荐系统中的两个阶段，在召回阶段使用协同过滤计算用户项目的相关度，从而选择出最相关的项目。在排序阶段，根据召回得分对项目进行排序。
   CTR预测是推荐中的核心任务。
2. 已有方法：
   许多基于DL的方法学习特征交互，关注网络结构。有些研究从用户的行为数据中隐式的提取用户兴趣（考虑到项目之间相关性），反映用户个性化喜好。
3. 存在问题：
   只关注用户特征，没有考虑用户项目的相关性（直接反映用户对项目的喜欢度）
4. 本文：
   提出Deep Match to Rank (DMR)，将召回阶段的协同过滤思想应用到排序阶段，获得用户项目相关性。
   使用用户-项目网络（在嵌入空间中通过内积表示用户项目相关性，为了更好的反映用户暂时的兴趣，使用注意机制自适应的学习用户行为的权重）和项目-项目网络（首先计算用户交互的项目和目标项目的相似度，汇总这些相似度，得到另一种形式的用户-项目相关性）表示相关性。
   
5. 具体：