知识卡片
DIEN兴趣进化网络
DIEN在DIN基础上引入序列视角:用户行为是按时间排序的序列,前后存在依赖,而AFM、DIN的注意力得分是时间无关、序列无关的。序列信息的价值在于强化最近行为对下次行为的影响,并学习兴趣迁移趋势,如从篮球鞋到机械键盘的转移概率,从而针对下一次购买而非历史综合做推荐。DIEN把DIN的静态兴趣表示升级为随时间演化的兴趣向量,用序列模型模拟用户兴趣的进化过程。它提醒我们:当业务目标是预测下一动作时,把行为当序列往往比当集合更有效。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 浪潮之巅——深度学习在推荐系统中的应用 · 查看原书依据
但本章之前介绍的所有模型,有没有利用到这层序列信息呢?答案是否定的。即使是引入了注意力机制的AFM或DIN模型,也仅是对不同行为的重要性进行打分,这样的得分是时间无关的,是序列无关的。
参考来源
- 位置:《深度学习推荐系统》第3章 浪潮之巅——深度学习在推荐系统中的应用(源文件:extracted/深度学习推荐系统/_epub-src/text/part0007_split_009.html)
- 结论依据:原文论证序列信息的时间依赖价值,指出此前模型注意力得分时间无关,DIEN用序列模型模拟兴趣进化。
- 原始内容:但本章之前介绍的所有模型,有没有利用到这层序列信息呢?答案是否定的。即使是引入了注意力机制的AFM或DIN模型,也仅是对不同行为的重要性进行打分,这样的得分是时间无关的,是序列无关的。