基于注意力机制的用户行为建模框架及其在推荐领域
的应用
 本文提出一种基于注意力机制的用户异构行为序列的建模框架，并将其应用到推荐场景中。

我们将不同种类的用户行为序列进行分组编码，并映射到不同子空间中。

我们利用self-attention对行为间的互相影响进行建模。

最终我们得到用户的行为表征，下游任务就可以使用基本的注意力模型进行有更具指向性的决策。

我们尝试用同一种模型同时预测多种类型的用户行为，使其达到多个单独模型预测单类型行为的效果。

另外，由于我们的方法中没有使用RNN,CNN等方法，因此在提高效果的同时，该方法能够有更快的训练速度。

 研究背景
 一个人是由其所表现出的行为所定义。

而对用户精准、深入的研究也往往是很多商业问题的核心。

从长期来看，随着人们可被记录的行为种类越来越多，平台方需要有能力通过融合各类不同的用户行为，更好的去理解用户，从而提供更好的个性化服务。

 对于阿里巴巴来说，以消费者运营为核心理念的全域营销正是一个结合用。