論文總結 (二)：GIN用於CTR預測:Graph Intention Network for Click-through Rate Prediction in Sponsored Search

一. 已有模型的缺點 以往的模型中用戶的意圖大都是根據其歷史點擊行爲進行提取。會有以下缺點： 用戶行爲稀疏問題(behavior sparsity)：當用戶行爲稀疏時很難提取其實時意圖。 弱泛化問題(weak generalization) ，用戶很難跳出他們的特定歷史行爲來進行興趣探索 二. GIN的創新點 提出基於共現商品圖（co-occurrence commodity graph）的圖意圖

>>阅读原文<<