面向新闻推荐的内容过滤增强图神经网络框架
信息检索
2021-10-26 v1
摘要
学习准确的用户与新闻表示对新闻推荐至关重要。尽管已取得很大进展，现有方法似乎要么强烈偏向内容表示，要么仅捕捉协同过滤关系。然而，这些方法可能受数据稀疏问题（用户-新闻交互行为稀疏问题）困扰，或更易受高流行度新闻（或用户）影响。本文为应对此类局限，提出内容过滤增强的图神经网络新闻推荐框架，简称 ConFRec。它兼容现有基于 GNN 的新闻推荐方法，并能同时捕捉协同与内容过滤信息。我们开展了全面实验，以证明 ConFRec 在真实世界新闻推荐数据集上优于最先进的基线模型。
引用
@article{arxiv.2110.12681,
title = {Content Filtering Enriched GNN Framework for News Recommendation},
author = {Yong Gao and Huifeng Guo and Dandan Lin and Yingxue Zhang and Ruiming Tang and Xiuqiang He},
journal= {arXiv preprint arXiv:2110.12681},
year = {2021}
}