巴拉巴拉朵

显式利用用户画像的多兴趣建模 目前在多兴趣建模中，用户侧的特征包括用户基础画像特征（年龄、性别、地域等）、用户在当前场景的静态兴趣画像特征（短期兴趣画像、长期兴趣画像）、交互的历史正向行为序列特征（正

多兴趣建模中兴趣向量多样性度量 多兴趣建模（例如Mind、SINE、ComiRec）过程中，通常会产生多个用户兴趣向量，同一个用户的多个兴趣向量在空间中应当相距足够远，以此来代表不同的兴趣点。 通常在

阿里BST 论文地址：https://arxiv.org/pdf/1905.06874.pdf 19年阿里这篇推荐论文也是紧贴热点，将Transformer应用到提取用户序列上面，提出Transfor

阿里ComiRec 阿里的ComiRec是对多兴趣召回的一个阶段性总结。 多兴趣抽取模块总结了2种方法：一个是之前应用到MIND的Capsule Network，一个是Self-Attention 对

京东DMT 论文地址：https://dl.acm.org/doi/pdf/10.1145/3340531.3412697 论文提出用多个Transformer对用户多种类型的行为序列进行建模，在此基

阿里DIEN 摘要里面表示很多CTR模型都将用户历史行为的向量表示直接作为用户兴趣，没有对用户这些行为背后的隐兴趣进行建模；此外很少有工作考虑用户的兴趣的变化趋势。DIEN设计了兴趣抽取层从历史行为序

DIN模型 论文地址：https://arxiv.org/pdf/1706.06978.pdf 提出DIN模型的原因： 当前CTR预估都是Embedding&MLP结构：高维稀疏输入特征按照特征组先映

论文地址：https://arxiv.org/pdf/1808.09781.pdf Self-Attentive Sequential Recommendation SASRec是较早应用Self-A

论文地址：all you need is attention Attention 可以参阅网上其他大佬的详细解读，下面这篇从序列模型RNN和CNN与Attention的多角度比较来解读，详细分析了论文