阿里CTR预估第二部分：基于兴趣演化机制的点击率预测模型简析

阿里CTR预估三部曲（2）：基于点击率的深度兴趣演化网络预测

Introduction

作者指出以往的CTR预估方法通常直接将用户的表征向量视为兴趣，并未对隐含的兴趣进行具体建模。因此提出了DIEN模型（DIE），其中DIEN包含两个关键组件：一个是基于用户的具体表现提取潜在的兴趣（通过GRU网络结合辅助损失函数实现），另一个则是对兴趣变化过程的建模（采用增强型GRU结构）。

接下来，我们具体来看看。

DIEN

Interest Extractor Layer

作者首先利用GRU建模用户表现序列：

但是不止如此，作者提出了一个辅助loss来提升兴趣表达的准确性：

通过引入负采样机制，在生成h(t)时使其尽可能地接近下一个点击序列，并尽量避免与其他负样本过于接近；具体而言，在数学表达式中可表示为：

![在这里插入图片描述