基于候选感知用户建模的新闻推荐

新闻推荐旨在将新闻与个性化用户兴趣进行匹配。现有新闻推荐方法通常从历史点击新闻中建模用户兴趣，而未考虑候选新闻。然而，每个用户通常具有多种兴趣，这些方法难以将候选新闻与特定用户兴趣精确匹配。本文提出一种用于个性化新闻推荐的候选感知用户建模方法，可将候选新闻纳入用户建模，以更好地匹配候选新闻与用户兴趣。我们提出候选感知自注意力网络，以候选新闻为线索建模候选感知的全局用户兴趣。此外，我们提出候选感知CNN网络，将候选新闻纳入局部行为上下文建模并学习候选感知的短期用户兴趣。同时，我们使用候选感知注意力网络，按与候选新闻的相关性加权聚合先前点击新闻，构建候选感知用户表示。在真实世界数据集上的实验显示了我们的方法在提升新闻推荐性能上的有效性。