Micro Behaviors:A New Perspective in E-commerce Recommendation 文章阅读以及代码实验【数据集来自京东2019年比赛数据】_2018-2019年京东对话挑战赛数据集

概述

《Micro Behaviors:A New Perspective in E-commerce Recommendation》一文主要探究了微观行为对于预测任务的影响，为了更加准确的描述用户的每一个微观行为，文中提出了RIB模型，鉴于文中没有公布github代码，所以我在这里就根据文章的说法进行了简单的复现。

这篇文章的优缺点都非常明显，优点在于论文对于用户的微观行为进行了非常详细的统计分析，阐述了为什么要做微观行为的意义，在创新度和说服力上都非常强。

缺点在于这篇文章对于模型的介绍并不是十分清晰，前后使用的变量符号也不统一，读起来就有点费解。在本blog中我根据自己的理解统一了一下符号含义，如有不对请多多指正！

这个blog主要的任务也就是在于还原代码的实现过程，数据集来源：https://jdata.jd.com/html/detail.html?id=8 京东2019年的比赛数据集。
不是原po的数据集，因为数据原因，对于模型也有些许变动，但是基本思路是一致的。

下面就开始实现代码的部分啦！拿到数据集后， 大家一起加油吧！

论文解读以及代码实现过程分解

问题定义

• 商品集合 P = { $p_1,p_2,\dots ,p_N$},即有 N 个物品。
• 操作集合 A = { $a_1,a_2,\dots ,a_m$}, 即有M种操作。
• 停留时间集合 D = { $d_1,d_2,\dots ,d_k$}, 即有K种停留时间–作者人为分成的K段，但是我们这里没有，所以没有这个D。
  任务：给定用户的历史操作数据即($p_i,a_j,d$