用于权衡新闻推荐系统中准确性与多样性的深度动态神经网络
信息检索
2021-03-18 v2 人工智能
机器学习
摘要
新闻推荐系统的特征在于新闻领域特有的一些独特挑战。这些挑战源于读者兴趣在动态生成且随时间不断变化的新闻条目上的快速演化。新闻阅读也由读者的长期与短期兴趣混合驱动。此外，新闻推荐系统需要多样性，不仅是为了使读者保持参与阅读过程，也是为了让他们接触不同的观点与意见。在本文中，我们提出一种深度神经网络，将信息性新闻与读者兴趣联合学习到一个统一框架中。我们从新闻的标题、摘要（正文）和分类法（类别、子类别）学习新闻表示（特征）。我们从读者的点击历史学习其长期兴趣，从近期点击通过 LSTMS 学习短期兴趣，并通过注意力机制学习多样化的读者兴趣。我们还对模型应用了不同层次的注意力。我们在两个新闻数据集上进行了广泛实验以证明我们方法的有效性。
引用
@article{arxiv.2103.08458,
title = {Deep Dynamic Neural Network to trade-off between Accuracy and Diversity in a News Recommender System},
author = {Shaina Raza and Chen Ding},
journal= {arXiv preprint arXiv:2103.08458},
year = {2021}
}
备注
under review