DSIN模型介绍

文章目录

• 概述
• 系统整体架构设计
• 基于Session的划分模块
• 兴趣提取与特征识别机制
• 交互处理与行为模型构建
• 兴趣激发机制优化方案
• 实验验证与结果分析

简介

研究如何获取用户动态变化与演化的兴趣成为CTR预估的重要课题：序列由Session单元构成, 每个Session基于时间顺序被划分出来表示用户的活动时间段. 用户行为在单个Session内呈现连续性, 在不同Session间则呈现出多样性特征. DSIN模型充分利用了用户的整个历史Session序列中的信息. 采用带有Bias编码机制的自注意力模型从每个用户的Session单元提取特征信息. 随后通过Bi-LSTM模型构建起各Session单元间的联系模式, 并模拟用户的兴趣演变过程及行为互动关系. 最后通过局部注意力机制自适应地评估各Session单元对目标物品的相关性影响及其重要性权重

整体结构

DSIN位于MLP之前，并由两部分组成：一部分构建了用户的图像特征与物品图像特征的嵌入向量；另一部分则负责建模用户的各项行为特征。该结构包含四个核心模块：第一部分是Session切分模块，在此过程中系统将用户的兴趣序列划分为多个独立的session；第二部分是Interest Extraction Module，在此过程中系统识别并提取出用户的 session 内部兴趣