写在前面：
读到论文DSIN，有文章写到这是阿里CTR预估的三部曲（3），刚开始还好奇前两部曲是啥，突然想到前几天看到的LTR模型演化路径的最后两个阿里的论文DIN和DIEN，想到它们都是基于兴趣的，于是搜了下果然没错，哈哈😄，今天着重写下预估三部曲（3）的新的了解和认识。
who are they? 阿里深度学习CTR预估三部曲
（1）DIN: Deep Interest Network for Click-Through Rate Prediction
（2）DIEN: Deep Interest Evolution Network for Click-Through Rate Prediction
（3）DSIN: Deep Session Interest Network for Click-Through Rate Prediction
1、论文特点
将用户行为序列根据时间间隔划分为session，源于在淘宝电商场景中，不同session的商品品类大多不同，同一个session下的商品比较同质。
2、论文框架
DSIN在全连接层之前，分成了两部分，左边的那一部分，将用户特征和物品特征转换对应的向量表示，这部分主要是一个embedding层，右边的那一部分主要是对用户行为序列进行处理，从下到上分为四层[1]：
1）序列切分层session division layer
2）会话兴趣抽取层session interest extractor layer
3）会话间兴趣交互层session interest interacting layer
4）会话兴趣激活层session interest activating layer
接下来，我们主要介绍这4层。
Session Division Layer
为了准确地抽取用户的兴趣，作者将用户表现序列切分成多个sessions，切分规则是是否前后时间间隔超过30分钟。
Session Interest Extractor Layer
因为同个session中的行为是高度相关的，并且用户在当前session下的随意的一些行为会使得session的兴趣表示变得不准确。为了建模在同一session中多个行为的关系和减轻那些不大相关行为的影响。DSIN对每个session都使用Transformer中的multi-head self-attention模块来抽取用户session的兴趣特征。具体过程是：对用户行为序列中的每个session添加一个Positional Encoding，该模块被称为Bias Encoding。
参考资料/转载内容来自：
1、推荐系统---深度兴趣网络DIN&DIEN（包括DIN&DIEN论文原文和代码）
https://juejin.im/post/5c45ab6df265da6167209ade
2、阿里Deep Session Interest Network解读
https://zhuanlan.zhihu.com/p/71695849
3、Deep Session Interest Network for Click-Through Rate Prediction 论文原文
