基于用户行为序列的短视频用户多行为点击预测模型顾亦然*①②王雨①杨海根③①(南京邮电大学自动化学院、人工智能学院南京210023)②(南京邮电大学智慧校园研究中心南京210023)③(南京邮电大学宽带无线通信技术教育部工程研究中心南京210003)摘要：目前主流的点击预测模型采用线性模型和深度神经网络相结合的方法学习用户与物品之间特征交互，忽略了用户的历史行为本质上是一个动态序列的事实，从而导致无法有效捕获用户行为序列中蕴含的时间信息。为此，该文提出了基于用户行为序列的短视频用户多行为点击预测模型(USCP)。该模型将用户的历史行为按交互时间的顺序排序，生成用户历史行为序列。在DeepFM模型的基础上引入词嵌入模型Word2Vec，根据用户历史行为序列自适应学习到该用户的动态兴趣，有效捕获到用户兴趣的变化。在某短视频平台上公开的脱敏数据集上进行了对比实验，评价指标采用GAUC(GroupAUC)，结果表明该模型性能优于其他几个模型。关键词：行为序列；深度学习；DeepFM；点击预测；Word2Vec中图分类号：TN911.73;TP181文献标识码：A文章编号：1009-5896(2023)02-0672-08DOI:10.11999/JEIT211458Multi-actionClickPredictionModelforShortVideoUsersBasedOnUser’sBehaviorSequenceGUYiran①②WANGYu①YANGHaigen③①(CollegeofAutomation&CollegeofArtificialIntelligence,NanjingUniversityofPostsandTelecommunications,Nanjing210023,China)②(CenterofSmartCampusResearch,NanjingUniversityofPostsandTelecommunications,Nanjing210023,China)③(CenterofWiderandWirelessCommunicationTechnology,MinistryofEducation,Nanjing210003,China)Abstract:Atpresent,themainstreamclickpredictionmodelusesthecombinationoflinearmodelanddeepneuralnetworktolearnthecharacteristicinteractionbetweenusersanditems,ignoringthefactthattheuser’shistoricalbehaviorisessentiallyadynamicsequence,resultingintheinabilitytocaptureeffectivelythetimeinformationcontainedintheuser’sbehaviorsequence.Therefore,ashortvideoUSermultibehaviorClickPredictionmodel(USCP)basedonuserbehaviorsequenceisproposedinthispaper.Themodelsortstheuser’shistoricalbehaviorintheorderofinteractiontime,andgeneratestheuser’shistoricalbehaviorsequence.BasedontheDeepFMmodel,thewordembeddingmodelword2vecisintroducedtolearnadapt...
