【推荐算法】推荐系统中的单目标精排模型

前言：推荐系统中模型发展较快，初学者【也就是笔者】很难对模型进行一个系统的学习。因此，这篇文章总结了王树森中的视频以及《深度学习推荐系统》中的单目标精排模型，绘制了一个单目标精排模型的思维导图来帮助初学者【笔者】更好的学习。在后面的学习过程中，会加入更多的单目标精排论文的学习过程以及丰富思维导图。

单目标精排模型思维导图

单目标精排模型

1. Deep Crossing

在单目标精排模型中，第一篇采用神经网络对特征进行自动化的学习。

【参考链接】：【推荐算法】单目标精排模型——Deep Crossing-优快云博客

2. DIN

这篇论文提出利用 注意力机制 计算不同行为序列对候选广告的影响得分。

【参考链接】：【推荐算法】单目标精排模型——DIN-优快云博客

3. FiBiNet

这篇论文提出 动态学习不同特征的重要性 。笔者认为这篇文章没有多大的模型创新点，本质上就是使用了SENET和内积与Hadamard product的融合实现。较为容易读懂。

【参考链接】：【推荐算法】单目标精排模型——FiBiNET-优快云博客

4. DIEN

这篇论文提出了对行为序列的 兴趣演变 的关注。笔者认为这篇文章的模型创新关键点在于关注了RNN的隐藏状态，通过一个辅助损失训练每一个隐藏状态，每一个隐藏状态对应一个行为序列的子兴趣，并基于这些子兴趣结合注意力机制进一步学习兴趣的演化发展。

【参考链接】：【推荐算法】单目标精排模型——DIEN-优快云博客