Deep Interest Network for Click-Through Rate Prediction

解决的问题 以往的CTR预估模型遵从一个常规套路：大规模的稀疏的输入特征首先被映射为低维度的embedding向量，然后通过某种方式转换成一组固定长度的向量，拼接在一起，然后喂给全连接层来学习特征间的非线性关系。与普通的逻辑回归模型相比，这种方法能够省去大量的特征工程。然而用户兴趣具有多样性，用一个低维度向量来表示用户可能会变成表达用户兴趣的瓶颈。另一方面，在预测某一特定广告的CTR时，没有必要把

>>阅读原文<<