基于方面驱动的用户偏好与新闻表示学习的新闻推荐
信息检索
2022-01-31 v2 人工智能
摘要
新闻推荐系统对于帮助用户从海量新闻中高效且有效地发现感兴趣的新闻至关重要。大多数现有新闻推荐系统通常学习用户与新闻的主题级表示用于推荐，而忽视了学习更具信息量的用户与新闻的方面级特征以实现更精准的推荐，因此推荐性能有限。针对这一不足，我们提出一种新颖的方面驱动新闻推荐系统（Aspect-driven News Recommender System, ANRS），其构建于方面级用户偏好与新闻表示学习之上。此处，新闻方面是由一组相关词表达的细粒度语义信息，指示新闻所描述的具体方面。在 ANRS 中，设计了新闻方面级编码器与用户方面级编码器，分别学习用户偏好与新闻特征的细粒度方面级表示，并将其输入点击预测器以判断用户点击候选新闻的概率。在常用真实世界数据集 MIND 上的大量实验证明了我们的方法相对于代表性及最先进方法的优越性。
引用
@article{arxiv.2110.05792,
title = {Aspect-driven User Preference and News Representation Learning for News Recommendation},
author = {Rongyao Wang and Wenpeng Lu and Shoujin Wang and Xueping Peng and Hao Wu and Qian Zhang},
journal= {arXiv preprint arXiv:2110.05792},
year = {2022}
}
备注
9 pages