基于会话的新闻推荐:使用深度神经网络
信息检索
2018-09-18 v3 人工智能
机器学习
神经与进化计算
机器学习
摘要
新闻推荐系统旨在个性化用户体验,并帮助用户在庞大且动态的搜索空间中发掘相关文章。因此,由于用户画像稀疏、物品数量快速增长、物品价值加速衰减以及用户偏好动态偏移,新闻领域是一个极具挑战的推荐场景。近期,深度学习技术在推荐系统中的应用取得了一些有前景的结果,特别是在物品特征提取和使用循环神经网络进行基于会话的推荐方面。本文提出了 CHAMELEON(一种面向新闻推荐系统的深度学习元架构)的一个实例化。该架构由两个模块组成:第一个模块负责基于新闻文本和元数据学习新闻文章表示,第二个模块旨在使用循环神经网络提供基于会话的推荐。本工作所解决的推荐任务是用户会话中的下一项预测:“用户在会话中最可能阅读的下一文章是什么?” 架构利用用户会话上下文,在这种新闻推荐的极端冷启动场景中提供额外信息。用户行为与物品特征在混合推荐方法中被融合。作为补充贡献,本文还提出了一种时间离线评估方法,用于更真实地评估该任务,同时考虑影响全局读者兴趣的动态因素,如流行度、时效性与季节性。我们进行了大量基于会话的推荐方法的实验,所提出的 CHAMELEON 元架构实例化在 top-n 准确率和排序指标上相较最佳基准方法取得了显著的相对提升(Hit Rate 提升 10%,MRR 提升 13%)。
引用
@article{arxiv.1808.00076,
title = {News Session-Based Recommendations using Deep Neural Networks},
author = {Gabriel de Souza P. Moreira and Felipe Ferreira and Adilson Marques da Cunha},
journal= {arXiv preprint arXiv:1808.00076},
year = {2018}
}
备注
Accepted for the Third Workshop on Deep Learning for Recommender Systems - DLRS 2018, October 02-07, 2018, Vancouver, Canada. https://recsys.acm.org/recsys18/dlrs/