DIN是啥？
在TDM中，接入的模型是DIN深度兴趣网络，关于DIN，主要是Activation Unit，核心思想是不使用一个固定的embedding来描述用户，而是将每一个用户曾经的行为都和候选物品交互，产生权值，在不同兴趣上使用经权值调整的不同的embedding。
（可以设计一个兴趣匹配池，匹配成功的属性越多，即对于一个物品，如果同时满足用户的喜好数越多，权值越大，如该用户喜欢NBA，也喜欢美妆，那么韦德同款遮瑕膏要优于韦德同款保温杯）
这个图是咋回事？
其中User profile features 代表着用户的特征，但这些特征通常是比较粗糙的，比如性别、年龄。Context Features是跟场景有关的特征，通常就是时间戳之类。User Behaviors,代表着用户行为特征，主要就是过去用户明确表示感兴趣的item统统都打包起来。
每个曾经的用户行为都跟Candidate Ad在Activation Unit中交互，embedding（其实是embedding中的概率参数）变成什么样子，和每次来的item有关。再对embedding池化。
所有的输入就是User profile features的embedding、池化后的embedding、Candidate Ad的embedding、
Context Features的embedding。
最后通过softmax得到一个概率，即user有多喜欢这个item
（可以再接人为定义的属性）
啰嗦一嘴
使用DIN，可以根据不同的物品调整embedding里的各项权值，做到精准把控用户没得每一个喜欢的点都能覆盖到相关的物品，但这么做也会丧失一定的效率，这是必然的。
