文件大小：0.89M
摘要：基于点击率预估的深度会话兴趣学习方法通常缺乏对局部异构关系的建模，难以捕捉用户兴趣漂移的动态变化，并且忽略了用户长期兴趣的变化趋势。对此，提出了一种基于会话的动态兴趣深度推演网络模型。该模型通过改进的自注意力网络在会话内同时学习全局共性和局部差异的关系，更好地挖掘用户的动态兴趣；同时，利用带有注意力更新门的门控循环单元在会话间针对候选项建模用户兴趣的发展轨迹，追踪用户长期兴趣的变化。实验结果表明，所提模型能够同时建模用户动态兴趣和长期兴趣变化，能提高候选项点击率的预估准确率。
文章目录
1 基于会话的动态兴趣深度推演网络
1.1 会话切分嵌入层
1.2 会话兴趣提取层
1.2.1 多头自注意力机制
1.2.2 双向长短期记忆网络
1.2.3 前馈网络
1.3 会话兴趣推演层
2 实验结果与分析
2.1 数据集与对比模型介绍
2.1.1 实验数据集
2.1.2 对比模型特点
2.2 评价指标
2.3 实验结果
2.4 模块消融分析
2.4.1 会话兴趣提取层
2.4.2 会话兴趣推演层
3 结束语
