论文解读：跨域推荐模型MiNet

论文下载
代码下载

---

一、跨域推荐基础概念

1.1、什么是跨域推荐

“域"指的是通过某种方式聚集在一起的集合，“域"的定义可大可小。只要是两个不一样的集合之间互相使用数据都可以称之为"跨域”。
常见的推荐场景都是单域推荐比较多，也就是"游戏"只推荐"游戏"类的东西，它基于的数据也都是游戏用户本身的东西。跨域推荐首先要定义两个"域"的概念：“源域"和"目标域”，我们要优化、提升的目标叫做"目标域”，而"源域"相当于是辅助的部分。比如在信息流推荐系统中，我们把广告作为目标域，feed信息流作为源域，跨域推荐的最大优势在于通过使用跨域数据，目标域中的数据稀疏和冷启动问题都能得到缓解，这也是为什么能提高推荐性能的原因。
跨域推荐有一个前提，就是基于重叠 ( overlap )。比如有一部分的特征、用户、物品的重叠，通过重叠的部分找到两个域之间的一些关联。

1.2、跨域推荐的优劣

优势

1. 解决冷启动的问题，比如目标域的新用户很可能是源域的旧用户，那么将源域的信息拿过来辅助提升推荐的效果，能一定程度上解决冷启动；
2. 提升目标域的推荐效果，这个也是跨域推荐的主要目的；
3. 推荐多样性。因为跨域推荐同时参考了多个域的特征，自然而然会对推荐结果的多样性进行一定的优化。最终，它还会反作用于源域，能够实现源域的推荐与目标的域推荐效果的共同提升。

劣势

跨域必然会导致数据的稀疏，处理不当会有反作用。

二、背景

点击率 (CTR) 预测是在线广告系统中的一项关键任务。现有工作主要解决单域 CTR 预测问题和模型方面，如特征交互、用户行为历史和上下文信息。然而，广告通常以自然内容展示，这为跨域 CTR 预测提供了机会。本论文解决了这个问题，并利用来自源域的辅助数据来提高目标域的 CTR 预测性能。本论文的研究基于 UC 浏览器应用场景，其中源域是新闻feed流，目标域是广告。为了有效地利用新闻数据来预测广告的点击率，论文提出了混合兴趣网络（MiNet），联合建模三种类型的用户兴趣：
1）跨域的长期兴趣（long-term interest across domains）；
2）源域短期兴趣（short-term interest from the source domain）；
3）目标域短期兴趣（ short-term interest in the target domain）。
MiNet 包含两个级别的注意力，其中item-level attention可以自适应地从点击的新闻/广告中提取有用信息， interest-level attention可以自适应地融合不同的兴趣表示。

三、模型设计

3.1、