Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction简析

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。

MULTI-CHANNEL USER INTEREST MEMORY NETWORK