在 SecretFlow 中实现简单场景下两方拆分 DIN 算法

[Candicepan]

此 ISSUE 为 隐语开源共建计划（SecretFlow Open Source Contribution Plan，简称 SF OSCP）任务 ISSUE，欢迎社区开发者参与共建～
若有感兴趣想要认领的任务，但还未报名，辛苦先完成报名进行哈～

任务介绍

• 任务名称：在 SecretFlow 中实现简单场景下两方拆分 DIN 算法
• 技术方向：FL/application
• 任务难度：进阶🌟🌟
• 任务期望时间：4-5周

详细要求

• 安全性：尽量降低数据、模型泄露的可能
• 功能性：在 SecretFlow 中实现两方拆分版本的 DIN 算法，参考论文Deep Interest Network for Click-Through Rate Prediction。
• 收敛性：跑出实验数据并且证明收敛性
• 特征拆分：只需要处理 sequence 和 target 在同一方的情形
• 代码规范：Python 代码需要使用 black+isort 进行格式化（流水线包含代码规范检查卡点）
• 框架后端：实现 PyTorch 版本。若在完成 PyTorch 版本实现的基础上同步进行 TensorFlow 版本实现将额外累积一颗🌟
• 提交说明：关联该 isuue 并提交代码至 https://github.com/secretflow/secretflow/tree/main/secretflow/ml/nn/applications

能力要求

• 了解基本 git 操作
• 熟悉 深度学习、联邦学习
• 对 SecretFlow 有一定了解

操作说明

• 操作指引：https://www.secretflow.org.cn/docs/secretflow/latest/zh-Hans/tutorial/sl_rec_deepfm
• 范例：https://github.com/secretflow/secretflow/blob/main/secretflow/ml/nn/applications/sl_bst_torch.py