本文将以CIKM2020中的一篇论文“Search-based User Interest Modeling with Lifelong Sequential Behavior Data for Click-Through Rate Prediction”作为今天的主角，主要介绍针对Lifelong用户行为序列建模的方案，用户行为长度可以达到上万，而且可以像DIN那样，对于不同的候选商品从用户行为里查找有效的信息建模用户的特殊兴趣。

从上图中可以发现，当用户行为序列长度增加到1000时，AUC会有1.5%的提升，用户历史行为数据对ctr的预估是有很大帮助的，而且越丰富用户行为数据对ctr模型的帮助越大。

本文的主要工作可以概括为以下几个方面：

  • 提出SIM建模长序列用户行为数据，两阶段的串行的机制设计使得SIM能够更好地建模lifelong序列行为数据；
  • 介绍了在大规模工业系统中部署SIM的实际经验，SIM已经部署在阿里展示广告系统上，带来了7.1%CTR和4.4%RPM的提升；
  • SIM推动用户行为长度最大到达54000，比MIMN提高了54倍。

感兴趣的可以戳原文链接。

内容中包含的图片若涉及版权问题，请及时与我们联系删除