(1) 本文应该算是较早在智能推荐领域提出repeat recommendation概念的，另一篇RepeatNet: A Repeat Aware Neural Recommendation Machine for Session-based Recommendation

(2) 本文提出的model其实是在一些假设下，统计分布结果。并不是学习模型（自动学习出某些模型参数）

(3) 几点有意思的假设和统计方法(这种想特征的方式，值得借鉴)：

1）物品可能会被重复购买的概率：购买该物品超过一次的用户数 / 购买该物品至少一次的用户数 （baseline：RCP）

2）在1)的基础上，加上时间因素：统计该物品两次被同一个用户购买的时间间隔分布。就可以得到，上一次购买后，之后各个时间点购买的概率。

3）由1)和2)就可以得到，用户历史购买物品当中，哪些是repeated items，以及这些item再次购买的概率1),以及在某个时间点购买的概率2），相乘就是推荐概率（ATD）。

(4) 类似的方法，本文又构造了PG和MPG两种方法。