DCAN：基于覆盖注意力网络的多样化新闻推荐
信息检索
2022-06-07 v1
摘要
基于自注意力的模型广泛用于新闻推荐任务。然而，以往的注意力架构未对用户在历史行为中的重复信息进行约束，这限制了隐表示的效力，并导致信息冗余与过滤气泡等问题。为解决该问题，我们提出一种称为DCAN的个性化新闻推荐模型。它通过新闻编码器与用户编码器捕获多粒度的用户-新闻匹配信号。我们持续更新一个覆盖向量以追踪新闻注意力的历史，并以4类方式增强该向量。随后我们将增强后的覆盖向量送入多头自注意力模型以帮助调整未来注意力，并将覆盖正则项（CRL）加入损失函数，使推荐系统更多地考虑差异化信息。在Microsoft News Recommendation Dataset (MIND)上的大量实验表明，我们的模型以极小的精度损失显著提升了新闻推荐的多样性。
引用
@article{arxiv.2206.02627,
title = {DCAN: Diversified News Recommendation with Coverage-Attentive Networks},
author = {Hao Shi and Zi-Jiao Wang and Lan-Ru Zhai},
journal= {arXiv preprint arXiv:2206.02627},
year = {2022}
}
备注
9 pages, 6 figures