文章围绕长序列用户行为建模用于点击率（CTR）预测展开。从服务系统角度设计了用户兴趣中心模块（UIC），维护用户最新兴趣表示向量，其更新机制无延迟；从机器学习算法角度提出MIMN（多信道的用户兴趣内存网络），借鉴于NTM。
Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction
Introduction
文章将用户表现建模分解为两个视角。从服务系统的角度，作者设计了一个用户兴趣中心模块（UIC），UIC维护用户最新的兴趣表示向量。从机器学习算法的角度，作者提出了MIMN（多信道的用户兴趣内存网络），借鉴于NTM。
UIC
因为存储及延迟的限制，文章设计了UIC。
UIC的关键之处在于其更新机制，用户相关的状态是基于实时用户表现触发事件而不是请求，因此UIC是没有延迟的。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
