HieRec：面向个性化新闻推荐的分层用户兴趣建模
信息检索
2021-06-09 v1
摘要
用户兴趣建模对于个性化新闻推荐至关重要。现有的新闻推荐方法通常从用户先前行为中学习每个用户的单一用户嵌入来表示其整体兴趣。然而，用户兴趣通常是多样且多粒度的，难以通过单一用户嵌入准确建模。本文中，我们提出了一种具有分层用户兴趣建模的新闻推荐方法，名为 HieRec。在我们的方法中，每个用户由分层兴趣树表示，而非单一用户嵌入，以更好地捕捉其在新闻中多样且多粒度的兴趣。我们使用三级层次来表示 1）整体用户兴趣；2）用户对体育等粗粒度主题的兴趣；以及 3）用户对足球等细粒度主题的兴趣。此外，我们提出了分层用户兴趣匹配框架，以将候选新闻与不同层级的用户兴趣进行匹配，从而实现更精准的用户兴趣定位。在两个真实世界数据集上的大量实验验证了我们的方法能有效提升个性化新闻推荐的用户建模性能。
引用
@article{arxiv.2106.04408,
title = {HieRec: Hierarchical User Interest Modeling for Personalized News Recommendation},
author = {Tao Qi and Fangzhao Wu and Chuhan Wu and Peiru Yang and Yang Yu and Xing Xie and Yongfeng Huang},
journal= {arXiv preprint arXiv:2106.04408},
year = {2021}
}
备注
ACL 2021