推荐系统——行为序列

NOTE

这是 b 站王树森推荐系统课程的笔记，记录到了重排，之后的物品冷启动和提分部分我没有学，所以也没有笔记。索引如下：

• 推荐系统——概述
• 推荐系统——召回
• 推荐系统——排序
• 推荐系统——特征交叉
• 推荐系统——行为序列
• 推荐系统——重排

LastN 特征

用户最近的 $n$ 次交互的物品 ID（点击的最近 $N$ 个，点赞的、收藏的……），embedding 之后求平均/求和/attention 操作等

DIN 模型

在 LastN 特征中，用加权平均代替平均（即注意力机制），LastN 向量作为 key 和 value，候选物品向量作为 query

缺点是 $N$ 不能很大，否则计算成本太高，会导致模型过分关注短期兴趣

SIM 模型

相较于 SIM 模型，保持一个长期行为记录，共 $n$ 项，每次计算 LastN 特征时，先进行一步筛选（TopK），然后再使用 DIN 模型。筛选可以使用硬筛选（选择相同类目的物品等）和软筛选（近似 $k$ 近邻查找等）。应用 DIN 模型前，需要加入时间信息。

时间信息？就是 transformer 里面的位置 embedding！