知识卡片
变长行为序列的截断与填充
内容
不同用户在同一时间窗口内的购买次数差异很大，而神经网络的输入却要求固定形状。常见做法是”截断+填充”：设定一个统一长度，超过的序列只取前面部分，不足的序列用0补齐，从而把长度不一的行为记录统一转换成矩阵/张量形状。代价是会丢失过长序列尾部的信息，也会给短序列引入一堆无意义的填充值，是[[LTV预测的双层CNN-LSTM嵌套结构]]接收变长行为序列前必须接受的取舍。
参考来源
- 位置：《数据科学工程实践》第3章《洞察用户长期价值：基于神经网络的LTV建模》"3.2.3 输入数据的准备"一节（源文件：_epub-src/OEBPS/Text/part0019.xhtml）
- 结论依据：原文明确"不同的顾客购买行为存在很大差异，有些顾客购买次数会很多，有些又很少。对此我们采用一种'截断+填充'的方式，把序列的长度控制在一个固定值"，最终得到形状为"（4，p，q）"的固定张量。
- 原始内容：不同的顾客购买行为存在很大差异，有些顾客购买次数会很多，有些又很少。对此我们采用一种"截断+填充"的方式，把序列的长度控制在一个固定值。假设此固定值为p，特征数量为q，最后每个顾客的特征数据会是一个（4，p，q）形态的张量。