1 算法流程

2 词向量匹配算法
词向量匹配算法是基于wiki百科的词向量，匹配输入值与数据库FIELD_TEXT字段最相似的数据。例如：数据中有“椅子”这条数据，如果用户输入的是“凳子”，如果按照字符串匹配的方法，只能返回给用户，没有此字段名。但实际上可以把“椅子”的结果返回给用户参考。这种泛化的能力，通过简单的字符串匹配是显然不能实现的。在上面的例子中，“凳子”跟“椅子”的语意更相近，跟“香蕉”或“冰箱”的语意相对较远。在数据搜索的过程中，可以计算用户输入的关键字与数据库中数据名间的相似度，在数据库中找出相似度最大的数据，推荐给用户。这种相近的程度就是词语的相似度，通过word2vec实现词语相似度的计算。

3 热点运算
对数据库中的数据进行频率计算，热点最主要是要解决推荐冷启动问题。

4 DIEN推荐流程

5 DIEN模型结构

6 训练数据
每行为一个样本，元素分别为用户id，用户访问的item id历史列表，用户本次访问的item，正负样本标识

7 测试数据
每行为一个样本，元素分别为用户id，用户访问的item id历史列表，用户本次访问正样本item，系统随机生成的负样本item

8 类别
每个元素为对应item的类别