DKN：用于新闻推荐的深度知识感知网络
机器学习
2018-01-31 v2 机器学习
摘要
在线新闻推荐系统旨在应对新闻的信息爆炸并为用户进行个性化推荐。一般而言，新闻语言高度凝练，充满知识实体与常识。然而，现有方法未利用此类外部知识，无法充分发掘新闻间潜在的知识级关联。因而向用户推荐的结果受限于简单模式，无法合理扩展。此外，新闻推荐还面临新闻高时间敏感性与用户兴趣动态多样性的挑战。为解决上述问题，本文提出一种将知识图谱表示引入新闻推荐的深度知识感知网络(DKN)。DKN是一个用于点击率预测的基于内容的深度推荐框架。DKN的关键组件是一个多通道且词-实体对齐的知识感知卷积神经网络(KCNN)，其融合新闻的语义级与知识级表示。KCNN将词与实体作为多通道，并在卷积过程中显式保持其对齐关系。此外，为应对用户多样兴趣，我们还在DKN中设计注意力模块以针对当前候选新闻动态聚合用户历史。通过在真实在线新闻平台上的大量实验，我们证明DKN相较最先进的深度推荐模型取得显著提升，并验证了DKN中知识使用的有效性。
引用
@article{arxiv.1801.08284,
title = {DKN: Deep Knowledge-Aware Network for News Recommendation},
author = {Hongwei Wang and Fuzheng Zhang and Xing Xie and Minyi Guo},
journal= {arXiv preprint arXiv:1801.08284},
year = {2018}
}
备注
The 27th International Conference on World Wide Web (WWW'18)