【推荐算法论文阅读】Perceive Your Users in Depth: Learning Universal User Representations from Multiple EC

一、亮点

本文的主要亮点是多场景协同学习用户表示的实现过程。本文提出了一个基于多场景任务的用户表示学习方法，可以得到更有效的个性化表示。用户的各种行为(点击、加标签、购买等)通过将内容、行为和上线文信息使用LSTM和attention构造，多个任务并行训练，共同更新用户表示。生成的用户表示还可以迁移到其他应用场景。

二、系统架构

三、模型结构

用户行为序列作为输入送入embedding层，上层加入LSTM和attention之后，得到用户的表示向量。可以看出来，用户的表示向量是用128维的用户特征与128维的用户行为拼接得到256维的用户向量表示。

3.1 Input & Behavior Embedding

输入包括一系列的行为$x=x_1,x_2,...,$