概述
在推荐/广告系统中，Baseline模型指的是最基础、最标准的深度神经网络框架。
它通常是指 "Embedding + MLP（多层感知机）" 的范式（即经典的Deep Neural Network，如Youtube 2016年的DNN论文所提出的结构）。
它的作用：
- 衡量标准： 学术界或工业界在提出新模型（如DeepFM、DIN、DIEN）时，必须证明新模型比这个简单的Baseline效果好，否则新模型就没有意义。
- 最低配置： 任何复杂的模型都是在它的基础上"加东西"（如加Attention、加Cross层）。
Baseline模型的"内在结构"及各部分作用
Input Layer（输入层）
接收原始特征。
包括用户ID（稀疏）、物品ID（稀疏）、用户统计特征（年龄/性别）、物品统计特征（价格/类目）、以及用户的历史行为序列（如点击过的商品ID列表）。
Embedding Layer（嵌入层）
将高维、稀疏的One-hot向量映射为低维、稠密的浮点数向量（比如从100万维映射到128维）。
这是深度学习处理离散特征的核心步骤。
Pooling Layer（池化层）
用户的历史行为序列（如点击过的10个商品）是一组不定长的Embedding向量列表。
但DNN（全连接层）要求输入必须是固定长度的向量。
Pooling层负责将这个[batch_size, 序列长度, embedding_dim]的三维张量，压缩为[batch_size, embedding_dim]的二维张量。
Concat Layer（拼接层）
将所有处理好的特征向量（用户侧向量、物品侧向量、统计特征向量）拼接成一个长向量。
MLP（全连接隐藏层）
学习高阶的非线性特征交叉。通常结构为 512 -> 256 -> 128，激活函数常用 ReLU 或 Dice。
Output Layer（输出层）
通过一个 Sigmoid 函数输出一个 0~1 之间的概率值，即 CTR（点击率）。
Pooling策略详解（Sum / Average / Max / Weighted）
在推荐系统中，Pooling层特指对用户历史行为序列的处理。
假设用户历史行为中有 N 个商品（Goods1, Goods2, ..., GoodsN），每个商品的Embedding向量为 e_i，维度为 d。
| Pooling策略 | 数学公式 | 核心作用 | 保留了什么信息 | 工业界典例 |
|---|---|---|---|---|
| Sum Pooling | ∑ i = 1 N e i \sum_{i=1}^{N} e_i ∑i=1Nei | 保留行为的"强度"和"数量" | 累加所有Embedding，向量模长随行为增多而增大。表示"用户兴趣的总体积累"。 | 淘宝（Taobao） |
| Average Pooling | 1 N ∑ i = 1 N e i \frac{1}{N} \sum_{i=1}^{N} e_i N1∑i=1Nei | 保留行为的"平均兴趣倾向" | 归一化后的向量，模长稳定。表示"用户通常喜欢什么类型的东西"。 | YouTube |
| Max Pooling | m a x ( e 1 , e 2 , . . . , e N ) max(e1,e2,...,eN) max(e1,e2,...,eN) | 保留最强烈的信号 | 选取序列中数值最大的那一维。表示"用户最在乎的特性/最极端的兴趣"。 | 较少单独用于序列推荐，多用于CNN |
| Weighted Pooling | ∑ i = 1 N α i ⋅ e i \sum_{i=1}^{N} \alpha_i \cdot e_i ∑i=1Nαi⋅ei | 根据目标物品动态调整重要性 | 给不同的历史商品赋予不同的权重（由Attention机制计算）。表示"哪些历史行为对预测当前物品最有参考价值"。 | DIN（阿里） |
为什么淘宝用Sum Pooling，YouTube用Average？
淘宝（Sum Pooling） ：电商场景下，用户行为强度极度重要 。买了2次手机壳的用户肯定比买1次的更喜欢手机壳。使用Sum Pooling，用户多次购买同一品类会导致Embedding模长变大，模型能够感知到这种强度的累加。如果换用Average，强度信息会完全丢失。
YouTube（Average Pooling） ：视频推荐场景下，用户的长期兴趣画像是关键 。用户可能看了10个搞笑视频和2个科技视频，模型希望知道用户心里更偏向搞笑。使用Average Pooling可以消除"爱看视频的总时长"带来的噪声，更好地表征用户的基线兴趣倾向，防止长序列向量的模长爆炸（数值不稳定）。
完整案例举例：从商品序列到预测分数
假设我们要预测用户是否点击"MacBook Pro"。
设定
Embedding维度为 2（为了手算方便）。
用户历史序列包含3个商品：
- Goods1（iPhone）：
[1.0, 2.0] - Goods2（蓝牙耳机）：
[0.0, 1.0] - Goods3（游戏鼠标）：
[1.0, 1.0]
MacBook Pro 的 Target Embedding 假设为：[0.5, 1.5]
假设MLP后续我们简化：只看 Pooling 后的向量与 Target 的内积（相似度）高低。
场景 A：使用 Average Pooling（YouTube风格）
AvgVec = ( 1.0 + 0.0 + 1.0 ) 3 , ( 2.0 + 1.0 + 1.0 ) 3 = 0.667 , 1.333 \text{AvgVec} = \frac{(1.0 + 0.0 + 1.0)}{3}, \frac{(2.0 + 1.0 + 1.0)}{3} = 0.667, 1.333 AvgVec=3(1.0+0.0+1.0),3(2.0+1.0+1.0)=0.667,1.333
与Target相似度： 0.5×0.667+1.5×1.333=0.333+2.0=2.330.5×0.667+1.5×1.333=0.333+2.0=2.33
模型认为用户的"平均兴趣向量"是 [0.667, 1.333]，和MacBook Pro偏向高端3C的方向（[0.5, 1.5]）比较接近，倾向于推荐。
场景 B：使用 Sum Pooling（淘宝风格）
S u m V e c = 1.0 + 0.0 + 1.0 , 2.0 + 1.0 + 1.0 = 2.0 , 4.0 SumVec=1.0+0.0+1.0,2.0+1.0+1.0=2.0,4.0 SumVec=1.0+0.0+1.0,2.0+1.0+1.0=2.0,4.0
与Target相似度：0.5×2.0+1.5×4.0=1.0+6.0=7.00.5×2.0+1.5×4.0=1.0+6.0=7.0
模型不仅看到了用户的喜好方向，还注意到了用户买过3件高相关度的商品，因此给出的得分（强度）远高于Average，模型更相信这个用户一定会买MacBook Pro。
场景 C：使用 Weighted Pooling（Attention / DIN风格）
假设Attention机制（通过MacBook Pro向量与历史商品向量做点积计算权重）得出：
- iPhone（都是苹果生态，极其相关）权重 =
0.8 - 耳机（关联性一般）权重 =
0.15 - 鼠标（关联较弱）权重 =
0.05
W e i g h t e d V e c = 0.8 × 1.0 , 2.0 + 0.15 × 0.0 , 1.0 + 0.05 × 1.0 , 1.0 = 0.85 , 1.8 WeightedVec=0.8×1.0,2.0+0.15×0.0,1.0+0.05×1.0,1.0=0.85,1.8 WeightedVec=0.8×1.0,2.0+0.15×0.0,1.0+0.05×1.0,1.0=0.85,1.8
与Target相似度： 0.5×0.85+1.5×1.8=0.425+2.7=3.1250.5×0.85+1.5×1.8=0.425+2.7=3.125
模型发现"因为历史中有iPhone，所以这次推荐MacBook特别合适"，模型自动将iPhone的权重拉高到极致。这比Average和Sum都更精准地捕捉了短期的高相关行为。
总结
| 策略 | 数学表达 | 适合场景 |
|---|---|---|
| Sum Pooling | 向量相加 | 对行为强度/频次敏感的场景（电商、广告） |
| Average Pooling | 向量求平均 | 对稳定兴趣画像敏感的场景（视频、音乐、新闻）。 |
| Max Poolin | 按维度取最大 | 提取最显著的特征信号（通常配合CNN用于图像或文本，少部分序列推荐会用）。 |
| Weighted Poolin | 加权求和 | 捕捉目标导向的局部激活，需要模型动态判断"以前买的哪个东西跟现在最像"。 |
完整链路：
用户行为序列 -> [Embedding表] -> Pooling操作(压缩) -> Concat其他特征 -> MLP多层计算 -> Sigmoid输出CTR如果使用Weighted Pooling，模型会引入额外的Attention网络去计算每个历史商品的权重
这也就是为什么它比单纯的Baseline（Avg/Sum）效果更好，但计算量也更大的原因。