超越点击优化：在新闻推荐中融入编辑价值
信息检索
2020-04-22 v1 计算与语言
人机交互
社会与信息网络
摘要
随着算法个性化在新闻领域的应用，新闻机构日益将先前被视为编辑职责的任务（例如为读者优先推送新闻）托付给自动化系统。本文在一个新闻机构编辑价值的背景下研究自动化新闻推荐系统。我们开展并呈现了两项关于新闻推荐系统的在线研究，历时一个半月，涉及超过1200名用户。在第一项研究中，我们探索了我们的新闻推荐器在编辑价值（如偶然发现性、动态性、多样性与覆盖率）背景下如何引导阅读行为。接着，我们呈现了一项干预研究，其中扩展了我们的新闻推荐器以将读者引导向更具动态性的阅读行为。我们发现：（i）与非个性化编辑排序相比，我们的推荐系统产生了更多样的阅读行为并实现了更高的文章覆盖率；（ii）我们可成功地将动态性作为重排序方法融入推荐系统，在不损害推荐系统准确性的情况下有效引导读者阅读更具动态性的文章。
引用
@article{arxiv.2004.09980,
title = {Beyond Optimizing for Clicks: Incorporating Editorial Values in News Recommendation},
author = {Feng Lu and Anca Dumitrache and David Graus},
journal= {arXiv preprint arXiv:2004.09980},
year = {2020}
}
备注
To appear in UMAP 2020