图增强表示学习用于新闻推荐
信息检索
2020-04-02 v1 计算与语言
摘要
随着在线新闻的爆发，个性化新闻推荐对在线新闻平台帮助用户发现感兴趣信息变得愈发重要。现有新闻推荐方法通过从新闻内容构建准确的新闻表示、从用户与新闻的直接交互（如点击）构建用户表示来实现个性化，却忽略了用户与新闻之间的高阶关联性。本文提出一种新闻推荐方法，通过在图设置中建模用户与新闻的关联来增强二者的表示学习。在我们的方法中，用户与新闻均被视为从历史用户点击行为构建的二部图中的节点。对于新闻表示，首先利用transformer架构构建新闻语义表示，随后通过图注意力网络结合图中邻居新闻的信息。对于用户表示，我们不仅从用户历史点击的新闻表示用户，还注意力式地融入图中邻居用户的表示。在大规模真实数据集上提升的性能验证了我们方法的有效性。
引用
@article{arxiv.2003.14292,
title = {Graph Enhanced Representation Learning for News Recommendation},
author = {Suyu Ge and Chuhan Wu and Fangzhao Wu and Tao Qi and Yongfeng Huang},
journal= {arXiv preprint arXiv:2003.14292},
year = {2020}
}