利用读后行为进行新闻文章的多面排序
信息检索
2012-05-04 v1
摘要
个性化文章推荐对于提高新闻网站的用户参与度至关重要。现有工作主要通过点击率来量化参与度。我们认为，通过纳入不同类型的“读后”参与信号（如分享、评论、打印和通过电子邮件发送文章链接），可以提高推荐质量。具体而言，我们提出了一个用于推荐新闻文章的多面排序问题，其中每个面对应一个旨在最大化特定类型读后行为的排序问题。关键技术挑战在于通过减轻巨大数据稀疏性的影响来估计各类读后行为的发生率，为此我们采用了因子模型的几种变体。为了利用各类读后行为之间的相关性，我们还引入了一种称为局部增强张量 (LAT) 模型的新变体。利用从美国一家主要新闻网站获取的数据，我们表明因子模型显著优于几个基线信息检索 (IR) 模型，且 LAT 模型显著优于因子模型的其他几种变体。我们的研究结果表明，利用在线新闻网站上常见的读后信号来提高推荐质量是可行的。
引用
@article{arxiv.1205.0591,
title = {Multi-Faceted Ranking of News Articles using Post-Read Actions},
author = {Deepak Agarwal and Bee-Chung Chen and Xuanhui Wang},
journal= {arXiv preprint arXiv:1205.0591},
year = {2012}
}