具有注意力多视角学习的神经新闻推荐
计算与语言
2019-07-15 v1 信息检索
机器学习
摘要
个性化新闻推荐对在线新闻平台帮助用户发现感兴趣的新闻并改善用户体验非常重要。新闻与用户表示学习对新闻推荐至关重要。现有新闻推荐方法通常基于单一新闻信息（如标题）学习这些表示，这可能不够充分。本文提出一种神经新闻推荐方法，可通过利用不同种类的新闻信息来学习用户与新闻的有效表示。我们方法的核心是一个新闻编码器与一个用户编码器。在新闻编码器中，我们提出一种注意力多视角学习模型，将标题、正文与主题类别视为新闻的不同视角，从而学习统一的新闻表示。此外，我们在新闻编码器中应用词级与视角级注意力机制，以选择重要词与视角来学习信息丰富的新闻表示。在用户编码器中，我们基于用户浏览过的新闻学习用户表示，并应用注意力机制选择信息丰富的新闻用于用户表示学习。在真实数据集上的大量实验表明我们的方法能有效提升新闻推荐性能。
引用
@article{arxiv.1907.05576,
title = {Neural News Recommendation with Attentive Multi-View Learning},
author = {Chuhan Wu and Fangzhao Wu and Mingxiao An and Jianqiang Huang and Yongfeng Huang and Xing Xie},
journal= {arXiv preprint arXiv:1907.05576},
year = {2019}
}