论文提出了一种新的用户行为建模方法，通过页面级反馈序列捕捉上下文信息和兴趣变化。作者设计了RACP模型，利用页面上下文感知注意力和递归注意过程来建模兴趣变化。实验结果显示，该模型在公开和真实数据集上表现优异。

本文介绍了深度上下文兴趣网络（DCIN）模型，强调上下文信息对用户行为建模的重要性，并提出了一种新的模型来完整建模点击及其显示上下文，以了解用户上下文感知兴趣。通过离线和在线评估，证明了DCIN方法的优越性。已在在线广告系统上部署的DCIN为主要流量带来了1.5%的CTR和1.5%的RPM提升。

本文介绍了深度上下文兴趣网络（DCIN）模型，强调上下文信息对用户行为建模的重要性。通过离线和在线评估，证明了DCIN在点击和显示上下文建模方面的优越性。DCIN已在在线广告系统上部署，并为主要流量带来了1.5%的CTR和1.5%的RPM提升。