1.背景

商业背景：

• 一是增加搜索引擎商业广告收入，通过提高付费广告点击率从而增加收入，
• 二是电商网站商品的点击率预测，根据预测点击率展示用户最可能点击的商品。

2.目标

预测某件商品点击被某用户点击的概率

3.输入

• 用户基本信息：性别，年龄
• 用户行为特征：浏览的物品id，浏览的商店id，浏览的分类id
• 广告商品特征：商品id，商店id，分类id
• 场景特征：地点，时间

4.模型

微软研究院最早提出的利用LR模型，因为点击这个事件是一个经典的二分类问题（是否点击），因此使用LR模型是可行的，在当时具有易于并行化、模型简单、训练开销小等优点，因此持续流行了很久。
随着深度学习技术流行，基于深度学习的模型渐渐多了起来，例如阿里的Deep Interest Network深度兴趣网络DIN。
因为用户兴趣的多样性，会极大影响推荐。例如用户兴趣是鞋，包，化妆品，但在一段时间内一直关注的是鞋，那就不能推荐包和化妆品；而离现在越近的行为，越能反应当前的兴趣.

5.输出

点击与否概率的分类结果，AUC指标衡量性能