Deep Interest Network for Click-Through Rate Prediction

解決的問題 以往的CTR預估模型遵從一個常規套路：大規模的稀疏的輸入特徵首先被映射爲低維度的embedding向量，然後通過某種方式轉換成一組固定長度的向量，拼接在一起，然後餵給全連接層來學習特徵間的非線性關係。與普通的邏輯迴歸模型相比，這種方法能夠省去大量的特徵工程。然而用戶興趣具有多樣性，用一個低維度向量來表示用戶可能會變成表達用戶興趣的瓶頸。另一方面，在預測某一特定廣告的CTR時，沒有必要把

>>阅读原文<<