请问baseline SASRec Auc指标是如何计算的？

[remember00000]

注意到auc并不是SASREC传统的评价指标，请问您是怎么计算这里的，请问代码中是如何实现的？谢谢！

[jizhi-zhang]

非常感谢您对于我们工作的关注，

由于我们测试的是CTR的setting，是一个二分类问题。AUC是CTR任务最经典的指标，这也是我们选用AUC这个评价指标的原因。

在具体实现上面，我们将所有baseline的最后一层的激活函数变成了CTR任务中常用的激活函数Sigmoid，使得这些baseline便于进行CTR任务。这时候输出的就是用户对目标item的CTR值。

具体而言，每个推荐样例由（seq， target，label）三个部分构成，其中seq表示历史交互，target表示要进行判断的物品， label表示用户是否喜欢target，为0和1。

以SASRec为例

将seq放入SASRec中，然后得到对应target的logits，最后通过Sigmoid激活函数得到对应的概率值。我们有值为0和1的label，所以可以计算AUC，从而度量模型在CTR任务下面的性能。