基于知识图上最短实体距离的内容新闻推荐
信息检索
2019-05-31 v1 机器学习
机器学习
摘要
基于内容的新闻推荐系统需在不使用用户特定信息的情况下，根据文章的主题与内容推荐新闻文章。许多新闻文章描述了特定事件以及包括人物、地点或物体在内的命名实体的发生。本文提出一种图遍历算法以及一种新颖的加权方案，利用这些命名实体进行冷启动基于内容的新闻推荐。为寻求创造更高程度的用户特定相关性，我们的算法通过大型知识图计算新闻文章间命名实体之间的最短距离。此外，我们创建了一个新的人工标注数据集用于评估基于内容的新闻推荐系统。实验结果表明，我们的方法适用于应对困难的冷启动问题，并且与其他冷启动方法相比，它对人类相似性评分产生更强的皮尔逊相关。我们的方法也具有互补性，与常规冷启动推荐方法结合可带来显著的性能提升。数据集 CNRec 可在 https://github.com/kevinj22/CNRec 获取。
引用
@article{arxiv.1905.13132,
title = {Content based News Recommendation via Shortest Entity Distance over Knowledge Graphs},
author = {Kevin Joseph and Hui Jiang},
journal= {arXiv preprint arXiv:1905.13132},
year = {2019}
}