面向新闻推荐的多兴趣新闻序列建模
信息检索
2022-07-20 v2 人工智能
摘要
基于会话的新闻推荐系统通过建模用户在会话中阅读/点击的新闻序列内蕴含的潜在兴趣，为用户推荐下一条新闻。一般而言，用户的兴趣是多样的，即在一个会话内存在对应于不同类型新闻（例如不同主题的新闻）的多种兴趣。然而，大多数现有方法通常忽视了这一重要特征，因而无法区分并建模用户的潜在多种兴趣，阻碍了下一条新闻的准确推荐。因此，本文提出用于新闻推荐的多兴趣新闻序列（MINS）模型。在 MINS 中，设计了一个基于自注意力（self-attention）的新闻编码器来学习每条新闻的信息化嵌入表示，随后设计了一种新颖的并行兴趣网络来提取新闻序列中蕴含的潜在多种兴趣，为后续的下一条新闻推荐做准备。在真实世界数据集上的实验结果表明，我们的模型相比所对比的当前最优（state-of-the-art）模型能取得更好的性能。
引用
@article{arxiv.2207.07331,
title = {Modeling Multi-interest News Sequence for News Recommendation},
author = {Rongyao Wang and Wenpeng Lu},
journal= {arXiv preprint arXiv:2207.07331},
year = {2022}
}