후보에 따른 관심 표현
행동 이력이 풍부한 사용자는 여러 관심을 가질 수 있다. DIN은 특정 광고 후보를 기준으로 과거 행동에서 관심 표현을 적응적으로 학습하며 후보가 달라지면 표현 벡터도 달라진다.
국소 활성화 단위
모델의 국소 활성화 단위는 후보와 관련된 행동을 활용해 관심 표현을 구성한다. 이는 후보와 무관하게 사용자 특징을 같은 벡터로 압축하는 임베딩 및 MLP 방식과 구분된다.
학습 기법과 평가
원 연구는 미니배치 인지 정규화와 자료 적응형 활성화 함수도 제안했다. 공개 자료 둘과 알리바바의 대규모 운영 자료에서 클릭률 예측을 평가해 제안한 구성의 효과를 조사했다.
관련 문서
Wide and Deep / DeepFM / AutoInt / 추천 시스템 / 클릭률 / 임베딩