admin 管理员组

文章数量: 1184232

深度多兴趣网络,Deep Multi-Interest Network for Click-through Rate Prediction （DMIN）

    • 论文下载地址
    • 目的
    • 整体思路
    • 实现细节

论文下载地址

目的

       根据用户的历史行为序列建立多兴趣网络模型

整体思路

       首先，利用多头注意力机制表示历史行为item，并借助辅助任务帮助历史行为item表示的学习；之后，再次通过多头注意力机制的每个head表示一个兴趣，将多个兴趣（head）拼接起来；最后，上一步拼接得到的向量和上下文信息、用户属性信息、目标item信息一起拼接输入到mlp中得到结果

实现细节

  1. 符号定义：
    x u : x_u: xu​: 用户属性信息
    x b : x_b: xb​: 用户行为序列， x b = { e 1 , e 2 , . . . , e T } ∈ R T × d m o d e l : x_b=\{e_1,e_2,...,e_T\}\in\mathbb R^{T\times d_{model}}: xb​={ e1​,e2​,...,eT​}∈RT×dmodel​: T T T表示序列的长度， d m o d e l d_{model} dmodel​表示每个item embedding的维度大小
    x c : x_c: xc​: 上下文信息
    x t : x_t: xt​: 目标item，embedding维度和行为序列维度相同
    p t : p_t: pt

本文标签： 深度 兴趣 网络 Multi deep

版权声明：本文标题：深度多兴趣网络,Deep Multi-Interest Network for Click-through Rate Prediction （DMIN） 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1755028531a3062545.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。