DIN

DIN用加权平均代替平均，即注意力机制 (attention)
权重：候选物品与用户LαstN物品的相似度。

Zhou et al.Deep interest network for click-through rate prediction.In KDD,2018.

• 对于某候选物品，计算它与用户Lα$tN物品的相似度。
• 以相似度为权重，求用户LαstN物品向量的加权和，结果是一个向量
• 把得到的向量作为一种用户特征，输入排序模型，预估（用户，候选物品）的，点击率、点赞率等指标。
• 本质是注意力机制(attention)

---

简单平均VS.注意力机制

• 简单平均和注意力机制都适用于精排模型。
• 简单平均适用于双塔模型、三塔模型。
  • ·简单平均只需要用到LastN，属于用户自身的特征o
  • ·把LastN向量的平均作为用户塔的输入。
• 注意力机制不适用于双塔模型、三塔模型。
  • ·注意力机制需要用到LαstN+候选物品。
  • ·用户塔看不到候选物品，不能把注意力机制用在用户塔。