Search-based User Interest Modeling with Lifelong Sequential Behavior Data for CTR Prediction

保真度：核心机制复现。原文结论、本地公开数据实验和未复刻部分分开陈述。

论文信息

项目	内容
论文链接	CIKM 2020
公司/机构	Alibaba
首次公开日期	2020-06-10（arXiv v1）
原文开源代码	否：论文未提供官方/作者代码（核查日期：2026-08-09）
Adapter	sim
本地复现代码	src/auto_research/reproductions/sim/

原始论文总结

背景与主要改动

以候选 item 为 query，GSU 从终身行为中快速搜索相关子序列，ESU 再计算候选与子序列的精确注意力。

flowchart LR
 A["公开输入"] --> B["sim 核心机制"]
 B --> C["同预算训练 / 执行"]
 C --> D["公开评测与诊断"]

原论文关键图

原论文 Figure 3（关键图）：展示原论文方法的总体设计和关键组成。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

\[ S=\operatorname{TopK}_{i\in H}s_{GSU}(q,i),\quad h_q=\sum_{i\in S}\operatorname{softmax}(q^\top k_i)v_i. \]

论文离线与线上效果

Alibaba 展示广告主流量：CTR +7.1%，RPM +4.4%，最长历史 54,000。

本地复现

本地对照口径：基线为 shared transition + content baseline，实验组为 SIM，只改变论文核心机制；ndcg_at_10 0.0354 → 0.0471，相对基线 +32.97%。

auto-research reproduce --paper sim --dataset-dir data --seed 42

固定指标见 metrics/public-seed42.json。

复现边界

在 MovieLens-100K 全库排序上执行论文的候选相关检索、层级压缩或蒸馏目标；未使用公司私有日志与线上 serving，线上 A/B 只引用原文。 本地相对变化不得与原文指标混写。