根据attention网络的原理，我们需要根据行为序列中的每个item与target item的相似度，再根据相似度计算权重。最后对这T个item的embedding进行加权求和。求和之后，这T个item根据计算得到的权重合并得到一个embedding。论文中说这个集成T个行为序列的embedding就是用户兴趣的表达，我们只需要将它和目标item拼接在一起发送到神经网络即可，就可以帮助模型更好地决策了。这里用户兴趣的shape应该和item是一样的，也是[B, E]。