第 20 章阅读地图：用户兴趣与序列建模

章节主线

从反馈表示、目标注意力和兴趣演化出发，逐步讨论长历史的记忆、检索、哈希压缩，以及多模态语义和上下文时序图。各路线需在候选规模、行为新鲜度与在线预算下比较。此地图仅作独立导航。

节	PDF 页	核心问题	工程检查点
20.1 对比学习	1–12	如何构造行为反馈的正负关系？	检查负样本语义、辅助损失和共享表示。
20.2 Attention	13–23	如何提取目标相关兴趣并建模兴趣演化？	核对候选数、序列长度与时序掩码。
20.3 Memory	24–30	长期记忆如何保持并更新兴趣？	监测状态新鲜度和存储开销。
20.4 召回检索	31–54	怎样先筛选长历史再精细建模？	对照检索召回率、截断和 P99。
20.5 哈希	55–65	近似检索如何压缩目标感知计算？	测量碰撞、召回率与尾延迟。
20.6 多模态	66–77	内容语义能补充哪些行为表示？	核对模态缺失和向量版本。
20.7 时序图	78–83	如何利用上下文转移组织长期兴趣？	检查图更新、原型分布与场景漂移。
20.8 本章小结	84–85	如何组合表示学习与在线计算策略？	固定预算比较质量和稳定性。

设计长历史兴趣建模对照：固定候选集和时间窗口，比较目标注意力、行为检索与哈希聚合的效果、覆盖率、P99 和回退策略。

本书依据：《第二十章-用户兴趣与序列建模.pdf》，PDF 第 1–85 页；页码根据发布 PDF 定位，发布前请核对。