基于循环神经网络的上下文混合会话式新闻推荐
信息检索
2019-12-10 v2 机器学习
机器学习
摘要
推荐系统通过向用户提供定制化的条目建议来帮助其应对信息过载。新闻推荐常被认为具有挑战性,因为一篇文章对用户的相关性可能取决于多种因素,包括用户的短期阅读兴趣、读者上下文,或文章的时效性与流行度。先前工作表明,循环神经网络的使用对于会话内下一项目预测任务是很有前景的,但仅以记录的条目点击序列作为输入时存在一定局限。本工作中,我们提出一种基于深度学习的上下文混合会话式新闻推荐方法,能够利用多种信息类型。我们在两个公开数据集上评估了该方法,采用的时间评估协议以逼真方式模拟了新闻门户的动态。我们的结果证实了以所提方式考虑文章流行度与时效性等附加信息类型的益处,其推荐准确率和目录覆盖率均显著优于其他基于会话的算法。附加实验表明,方法中提出的可参数化损失函数也使我们能够平衡两个通常冲突的质量因素:准确率与新奇性。关键词:人工神经网络,上下文感知推荐系统,混合推荐系统,新闻推荐系统,基于会话的推荐
引用
@article{arxiv.1904.10367,
title = {Contextual Hybrid Session-based News Recommendation with Recurrent Neural Networks},
author = {Gabriel de Souza Pereira Moreira and Dietmar Jannach and Adilson Marques da Cunha},
journal= {arXiv preprint arXiv:1904.10367},
year = {2019}
}
备注
20 pgs. Published at IEEE Access, Volume 7, 2019. https://ieeexplore.ieee.org/document/8908688