基于会话的新闻推荐系统中的多样性

推荐系统被广泛应用于新闻网站等数字平台，以基于用户偏好提供个性化服务。在新闻网站中，大多数用户为匿名，唯一可用数据为匿名会话中的条目序列。因此，在许多应用中高度使用的典型协同过滤方法在新闻推荐中并不有效。在此背景下，基于会话的推荐器能够根据活跃会话中先前条目的序列推荐下一个条目。基于邻域的基于会话的推荐器已被证明比更复杂的方法高效得多。在本研究中，我们提出若干场景，使这些基于会话的推荐系统具备多样性感知并应对过滤气泡现象。过滤气泡现象是新闻推荐系统中的普遍担忧，当系统收窄信息并剥夺用户获取多样信息的机会时发生。应用所提场景的结果表明，基于四个新闻数据集，这些多样化场景改善了基于会话的推荐系统中的多样性度量。