个人认为本文的思想很好，要将个性化引入到Transformer中*（NLP的各种技术在我看来其目的是明确的，一句话是什么意思就是什么意思，所以只考虑这一句话中的word即可，但是对于RS来说，同样item id的序列对于不同的user id也是不一样的，不能单纯的以 item id序列来表示一个user）*；本文主要的点有：
- 序列中 user emb和item emb进行拼接的表示
- 如何使用SSE
1 INTRODUCTION
SASRec使用标准的Transformer，本质上是一个非个性化的模型。SASRec指出增加了user emb之后效果会下降，本文认为是其已经使用了user的history items，user emb只会导致过拟合。本文提出了个性化Transformer，SSE-PT，将个性化引入了自注意网络。
3 METHODOLOGY
3.1 序列推荐
3.2 个性化Transformer架构
3.3 处理长序列：SSE-PT++
4 EXPERIMENTS
注意力机制可视化
一个用户早期看各种类型；随后只看戏剧和恐怖片；最近常看戏剧
- SASRec推荐出来的种类更多，倾向于所有的item
- SSE-PT推荐出来的更倾向于最近的item