跳转至

DIEN

Fidelity: 核心机制复现。实现兴趣抽取 GRU、下一行为辅助损失和候选相关兴趣演化。

论文信息

项目 内容
论文链接 arXiv 1809.03672
公司/机构 Alibaba
首次公开日期 2018-09-11（arXiv v1）
原文开源代码 是：官方/作者代码
Adapter dien
本地复现代码 src/auto_research/reproductions/dien/

原始论文总结

背景与主要改动

DIN 直接激活历史兴趣，DIEN 则先用辅助监督抽取逐步兴趣，再让目标商品控制兴趣状态的演化速度。

flowchart LR
  H["行为序列"] --> G["Interest Extractor GRU"]
  G --> A["Auxiliary next-item loss"]
  G --> R["Target-aware AUGRU"]
  T["候选商品"] --> R
  R --> P["CTR"]

原论文关键图

DIEN 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ L=L_{\rm ctr}+\alpha L_{\rm aux},\qquad \tilde u_t=a_tu_t,\quad h_t=(1-\tilde u_t)h_{t-1}+\tilde u_t\tilde h_t. \]

论文离线与线上效果

Taobao 展示广告线上实验报告 CTR +20.7%、eCPM +17.1%、PPC -3.0%。

本地复现

本地对照口径：基线是同一训练协议的 DIN；实验组加入 GRU、辅助目标和候选相关演化；三 seed NDCG@10 相对 -1.98%，未迁移论文收益。

auto-research reproduce --paper dien

结构化结果见 metrics/movielens-100k-seeds42-44.json。

复现边界

MovieLens 的短序列和稀疏信号不能替代 Taobao 广告特征；未使用生产 fused AUGRU kernel。