背景

這是阿里發的一篇 Multi-Domain CTR 預估論文， Multi-Domain 和 multitask 任務有什麼本質區別嗎？沒接觸過 Multi-Domain 的業務，阿里的Multi-Domain類似同個頁面下的不同廣告位吧

模型結構

 直接看模型結構吧，阿里star模型和普通的ctr模型主要有以下幾個區別：

1. embedding層都是一樣的，各個domain都是共享底層embedding的

2. BN層換成了PN，簡單來說就是對不同domain的樣本採用了不同的BN

3. Star Topology FCN，不同domain有一個共享的FCN，每個domain也有自己的FCN

4. 加了一個輔助任務，強化模型區分不同domian

下面詳細介紹各個部分

Partitioned Normalization

batch normalization (BN) 是模型中常見的一種結構

訓練時：

 預估時：

 BN假設了所有的樣本都是服從相同分佈的，BN適合單domain的任務，對於多domain的任務，阿里star提出了partitioned normalization結構

訓練時：

預估時：

和普通BN相比，PN有以下幾點不同：

1. 每個mini batch的樣本要屬於同一個domain

2. 訓練時，不僅學習了所有domain共享的一對引數（γ，β），對於每個domain還另外學習了一對引數（γ_p

3. 預估時，每個domain都要計算它的期望和方差

Star Topology FCN