学习总结

• 正文转自美团技术团队，仅供学习和做笔记使用，侵删~
• 在外卖算法模型迭代中，序列建模也常用，从单场景短期Session建模到多场景用户长期行为兴趣建模，在多个方向上都做出了详尽的探索。序列建模能够在用户历史行为中，充分发掘用户的兴趣偏好，但是由于用户行为序列本身是“有偏采样”的反馈：不同用户所处的地理位置、商家供给情况、使用频次等方面存在着较大差异；且高低频用户的点击行为分布差异明显，呈现出高频用户行为丰富聚集、低频用户行为稀疏的特点。
• 对于高频用户，可能会导致兴趣圈封闭导致模型建模无法跳脱既有的兴趣圈；对于低频用户，由于信息的缺乏导致其兴趣刻画不完整。因此，我们需要具备拓展用户兴趣边界的信息扩展能力、对单点信息的扩充能力；即寻找一种新的数据结构，打破二维线性限制，实现三维立体扩展，基于此种想法，从图的角度来重新思考用户行为建模：以私域线性行为序列作为兴趣刻画基础，以公域全局互联关系图作为兴趣补充，建立个体差异性与群体共性的连接。

文章来源: andyguo.blog.csdn.net，作者：山顶夕景，版权归原作者所有，如需转载，请联系作者。

原文链接：andyguo.blog.csdn.net/article/details/126774973