论文阅读---推荐、广告、增长( 二 ) _冷启动

（b）边是购买/浏览/加购顺序，边上的权重是频次。
消除噪声：
1、如果单击后的停留时间少于一秒钟，则单击可能是无意的，需要删除。
2、有些“过度活跃（羊毛党）”的用户实际上是垃圾邮件用户。根据长期观察，如果一个用户在不到三个月的时间内购买了1000件商品或者他/她的点击总数超过3500次，那么这个用户很可能是一个垃圾邮件用户。我们需要过滤掉这些用户的行为。
3、零售商不断更新商品的细节。在极端情况下，一个商品在经过长时间的更新后，可能会成为同一个标识符的完全不同的商品。因此，我们删除与标识符相关的项。
与相比的特色：为了解决冷启动问题，使用冷启动项目附带的Side 来增强BGE 。在电子商务的RS场景中，边信息是指一个商品的类别、商店、价格等，在排名阶段被广泛用作关键特征，但在匹配阶段很少被应用。在图形嵌入中加入侧信息可以缓解冷启动问题。例如，优衣库（同一家店）的两个连帽衫（同一类别）可能看起来很相似，喜欢尼康镜头的人也可能对佳能相机（类似类别和类似品牌）感兴趣。这意味着具有相似边信息的项应该更靠近嵌入空间。
label分类模型 Deepfor Image 何凯明 ltv 《UserfromandData toValue》
ltv的挑战：用户的消费行为数据不稳定、噪声、数据稀疏。
为了解决这些问题，本文提出，利用用户收入时间序列、用户属性去学习 anduser。通过小波变化去学习， rep- 通过Graph(GAT)来学习。
传统的ltv分两类：基于概率的生成方法和基于机器学习的方法。前者主要是预测复购和用户流失，但这种方法依赖先验分布。还有一种角度是把ltv看作一种特殊的时间序列预测任务。
Model 《2020-forwith Cost 》召回《 Tree-based Deep Model for》 TDM 阿里妈妈 2018