DIGAT：基于双图交互的新闻推荐建模
计算与语言
2022-10-17 v2
摘要
新闻推荐（NR）对于在线新闻服务至关重要。现有的 NR 方法通常采用新闻-用户表示学习框架，面临两个潜在局限。首先，在新闻编码器中，单一候选新闻编码存在语义信息不足的问题。其次，现有的基于图的 NR 方法虽然前景广阔，但缺乏有效的新闻-用户特征交互，导致基于图的推荐次优。为了克服这些局限，我们提出了由新闻图和用户图通道组成的双交互图注意力网络（DIGAT）。在新闻图通道中，我们通过语义增强图（SAG）结合语义相关的新闻信息，丰富了单一候选新闻的语义。在用户图通道中，使用新闻-主题图表示多层级用户兴趣。最值得注意的是，我们设计了一个双图交互过程，在新闻图和用户图之间执行有效的特征交互，从而促进准确的新闻-用户表示匹配。在基准数据集 MIND 上的实验结果表明，DIGAT 优于现有的新闻推荐方法。进一步的消融研究和分析验证了 (1) 语义增强新闻图建模和 (2) 双图交互的有效性。
引用
@article{arxiv.2210.05196,
title = {DIGAT: Modeling News Recommendation with Dual-Graph Interaction},
author = {Zhiming Mao and Jian Li and Hongru Wang and Xingshan Zeng and Kam-Fai Wong},
journal= {arXiv preprint arXiv:2210.05196},
year = {2022}
}
备注
Findings of EMNLP 2022. This paper was first submitted to ARR 2021 November (https://openreview.net/forum?id=t2vXlG7Oe5m)