CROWN：一种理解用户偏好以实现精准个性化新闻推荐的新方法
信息检索
2025-02-12 v6 人工智能
摘要
个性化新闻推荐旨在帮助用户发现符合其兴趣的新闻文章，在缓解用户信息过载问题中起关键作用。尽管近期许多工作已针对更好的个性化新闻推荐展开研究，但以下挑战仍待深入探索：(C1) 理解一篇新闻文章中耦合的多样意图，(C2) 区分新闻文章不同的读后偏好，以及 (C3) 解决冷启动用户问题。为共同应对上述挑战，本文提出一种新颖的个性化新闻推荐框架（CROWN），其采用 (1) 类别引导的意图解耦应对 (C1)，(2) 基于一致性的新闻表示应对 (C2)，以及 (3) GNN 增强的混合用户表示应对 (C3)。此外，我们将类别预测作为辅助任务纳入 CROWN 的训练过程，提供补充监督信号以增强意图解耦。在两个真实世界数据集上的大量实验表明：(1) CROWN 相较十种最先进的新闻推荐方法提供了一致的性能提升；(2) 所提策略显著提高了 CROWN 的准确性。
引用
@article{arxiv.2310.09401,
title = {CROWN: A Novel Approach to Comprehending Users' Preferences for Accurate Personalized News Recommendation},
author = {Yunyong Ko and Seongeun Ryu and Sang-Wook Kim},
journal= {arXiv preprint arXiv:2310.09401},
year = {2025}
}
备注
11 pages, 7 figures, 9 tables, the ACM Web Conference (WWW) 2025