Innovation
1.论文着力于在CTR预估任务中对用户历史数据的挖掘。基于对用户兴趣的两个观察——兴趣多样性和兴趣与广告部分对应，提出了深度兴趣网络DIN。

2.DIN的主要想法是，在对用户的表示上引入了attention机制，也即对用户的每个兴趣表示赋予不同的权值，这个权值是由用户的兴趣和待估算的广告进行匹配计算得到的。这个想法和seq2seq模型中attention的想法类似，seq2seq模型中对应每个输出 [公式] 都会通过attention结构学习得到一个输入的表示 [公式] ，改变以往用固定向量表示的方式，使得网络学习更加灵活。

3.DIN在训练过程和评价指标上都有一些技巧，尤其论文中提出了Dice激活函数和自适应正则为模型效果都带来了提升。