D2GRs2 样本

Pasted image 20240707151825.png

符号	描述
$Ψ_{k} (t_{j})$	特征日志系统在时间 $t_{j}$ 的第k个训练样本（k是全局排序的）在DLRMs中，在用户交互( $a_{i}$ 点击，分享，正负反馈都有)过一些内容 $Φ_{i}$ 之后，元组（内容 $Φ_{i}$ ，动作 $a_{i}$ ）加上特征日志系统的特征(categorical, numerical) 构成最终样本。在GRs中，使用的样本量级比DLRMs低1-2量级。
$n_{c} (n_{c, i})$	第i条样本对应的用户历史交互的content序列的长度
$Φ_{0}, . . ., Φ_{n_{c} - 1}$	用户在推荐上下文中交互的内容列表
$a_{0}, . . ., a_{n_{c} - 1}$	用户对同一个content 可能产生多种行为，如果是binary的行为，那么可以用multi-hot vector来表示，比如用户点了1个content，随后又产生了点赞/收藏等，那么每个 $a_{i}$ 就是有多个位置为1的multi-hot vector。
E,F	DLRM中的分类特征，例如，最近10张用户喜欢的图片、与当前候选内容相比过去用户点击过的50个最相似的网址等。 “merge & sequentialize” denotes the (virtual) reverse process of obtaining the raw engagement series
G,H	DLRM中的分类特征，与用户-内容交互无关。这些特征（例如，人口统计（年龄段、地区）或关注的创作者）被合并到主时间序列中