推荐系统 | 阿里DMR模型小结

参考&推荐阅读

• paper: Deep Match to Rank Model for Personalized Click-Through Rate Prediction
• 阿里DMR：融合了匹配思想的深度排序模型-Deep Match to Rank
• 阿里巴巴DMR模型(Deep Match to Rank)
• 推荐系统序列化建模总结（二）

模型小结

业务场景：商品推荐排序阶段

DIN等模型将学习到的Sequence Embedding（用户兴趣向量）、User Profile、待排序物品特征等Concat后送入最上层的MLP进行特征交叉最终输出一个CTR预估分数，作者认为在Concat特征送入MLP进行交叉前就计算一个User和Item相关性可以降低模型的学习难度。

DMR可以看做是另一种对DIN的改进方式。文章提出了两种网络结构，Item-to-Item网络和User-to-Item网络，来描述用户和候选目标item是否匹配。

Item-to-Item Network

$e^{}$