推荐模型如何处理长用户行为序列，并控制显存和计算开销？

长序列怎么处理，全量塞进去显存够吗。

推荐系统进入深度学习阶段后，大家普遍用怎样的方式去做用户历史长序列（Long Sequence）的提取？随着序列越来越长（比如上千条甚至 2~5 年的历史行为），业界是怎么处理 Attention 时间复杂度过高的问题，快速从海量历史交互行为里提取到与当前 Target Item 相关的行为的？