融合正负隐式反馈的新闻推荐去噪神经网络
信息检索
2022-04-12 v1 计算与语言
摘要
新闻推荐不同于电影或电商推荐，因为人们通常不对新闻进行评分。因此，新闻的用户反馈总是隐式的（点击行为、阅读时长等）。隐式反馈中不可避免地存在噪声。一方面，用户可能在点击新闻后因不喜欢内容而立即退出，从而在其正隐式反馈中留下噪声；另一方面，用户可能同时被推荐多条感兴趣新闻而仅点击其中一条，在其负隐式反馈中产生噪声。相反的隐式反馈可构建更完整的用户偏好并相互协助以最小化噪声影响。先前的新闻推荐工作仅使用正隐式反馈并受噪声影响。本文提出一种融合正负隐式反馈的新闻推荐去噪神经网络，名为 DRPN。DRPN 利用两类反馈进行推荐，并通过一个模块对正负隐式反馈同时去噪以进一步提升性能。在真实大规模数据集上的实验证明了 DRPN 的 SOTA 性能。
引用
@article{arxiv.2204.04397,
title = {Denoising Neural Network for News Recommendation with Positive and Negative Implicit Feedback},
author = {Yunfan Hu and Zhaopeng Qiu and Xian Wu},
journal= {arXiv preprint arXiv:2204.04397},
year = {2022}
}
备注
Accepted by Findings of NAACL 2022