用户行为序列建模

物品ID通过Embedding将会得到一个向量，性质差不多的向量在空间中也会处于差不多的位置，可以用取平均方式得到一个综合所有向量的向量。

取平均后可以作为代表用户的一个特征。

以上的LastN是指用户最后点击的N个商品，采用LastN可以将用户最后点击的N个商品综合起来。

Din模型

所谓的LastN是一种普通版本的平均，他考虑到了每一个物品，但并未考虑到每一个物品所占的重量。

而这个所占的重量/占比，是需要和要查询的候选向量进行比较来得出，也就是所谓的相似度，相似度越大，受其影响也会越大。

Din模型的缺点

DIN模型只根据过往N个物品进行计算，也就是说过往N个物品之前的物品就没有纳入到计算之中，也就是说会遗忘过往计算出来的特征。

由于序列过大会造成运算次数的增加，而固执地采用后N个则会无法保持长期兴趣的数据，所以可以在保证序列长度固定的前提下，对N个挑选出来的对象进行操作。





$d_i$表示第i个物品的时间戳。

时间越久远，说明这个兴趣是越找之前，但仍有意义。

使用Soft search还是hard search主要看的是公司的基础建设支持哪一种，且hard search写起来会相对容易。