DIN
1. DIN(Deep Interest Network)优点
使用用户兴趣分布来表示用户多种多样的兴趣爱好。
使用Attention机制来实现Local Activation,局部激活相关的历史兴趣信息,与当前候选Ad相关性越高的历史行为,会获得更高的Attention Score。
针对模型训练,提出Dice激活函数,自适应正则,显著提升模型性能与收敛速度。
2. 整体网络结构
利用Goods与Ads之间的相关性,引入注意力机制。DIN模型的输入分为2个部分:用户特征和广告(商品)特征。用户特征由用户历史行为的不同实体ID序列组成。在对用户的表示计算上引入了attention network 。DIN把用户特征、
用户历史行为特征进行embedding操作,视为对用户兴趣的表示,之后通过attention network,对每个兴趣表示赋予不同的权值。这个权值是由用户的兴趣和待估算的广告进行匹配计算得到的,如此模型结构符合了之前的两个观察:
用户兴趣的多峰分布以及部分对应。Attention network 的计算公式如下:
其中, 代表用户表示向量, 是用户行为 的embedding向量,代表广告的表示向量。核心在于用户的表示向量不仅仅取决于用户的历史行为,而且还与待评估的广告有直接的关联。
3. 数据自适应激活函数
PReLU
其中为指示函数,PReLU函数不适用每层输入为不同分布时的情况。
自适应激活函数
其中在训练阶段,和分别为每个mini-batch的均值和方差。
4. 评价指标
其中为用户数,和为第个用户的权重和AUC的值。
5. 参考博客
https://www.cnblogs.com/rongyux/p/8026323.html
https://www.jianshu.com/p/a356a135a0d2
最新文章
- Robot Framework 的安装和配置(转载)
- BZOJ2302 [HAOI2011]Problem c
- 小吃(codevs 3231)
- Android之shape属性详解
- border 变形计
- Node.js stream 流学习
- ngnix 一 入门指南
- logcat使用
- hdu 4841 圆桌问题(STL vector)
- HTML5 EventSource的用法
- JQuery实现通过点击标题切换字体
- Actor模型原理
- loadrunner录制、加载以及分析过程
- do while 循环和while循环的区别
- H5和PC实现点击复制当前文字的功能,兼容ios,安卓
- vue打包后,接口请求404的完美解决方案
- 7.27-8.10 Problems
- (个人记录)Python2 与Python3的版本区别
- Fiddler 常用功能总结
- SQL Server 查询分析器键盘快捷方式