和DLCM做法类似，都是使用序列模型对rank后的结构做rerank，不同点是PRM使用了transform encoder来建模，并且使用了用户预训练向量和位置向量
最后一层使用了softmax来计算每个item被点击的概率（论文提到使用click作为label，也就是所存在多个label为1的情况，不知道有没有做什么特殊处理），并采用了交叉熵损失
参考资料
https://zhuanlan.zhihu.com/p/382349636
https://zhuanlan.zhihu.com/p/79182904?from_voters_page=true
标签：ranking,PRM,zhuanlan,label,Re,Recommendation,Personalized From： https://www.cnblogs.com/xumaomao/p/18215953