NPA：基于个性化注意力的神经新闻推荐
信息检索
2019-07-15 v1 计算与语言
摘要
新闻推荐对于帮助用户发现感兴趣的新闻并缓解信息过载非常重要。不同用户通常具有不同的兴趣，且同一用户可能拥有多种兴趣。因此，不同用户点击同一篇新闻文章时可能关注于不同的方面。本文提出一种基于个性化注意力的神经新闻推荐模型（NPA）。我们方法的核心是一个新闻表示模型和一个用户表示模型。在新闻表示模型中，我们使用 CNN 网络基于新闻标题学习新闻文章的隐式表示。在用户表示模型中，我们基于用户点击过的新闻文章的表示来学习用户的表示。由于不同单词和不同新闻文章在表示新闻与用户时可能具有不同的信息量，我们提出同时应用词级和新闻级注意力机制，以帮助模型关注重要的单词和新闻文章。此外，同一篇新闻文章和同一个单词对于不同用户可能具有不同的信息量。因此，我们提出一种个性化注意力网络，利用用户 ID 的嵌入来生成词级和新闻级注意力的查询向量。我们在从 MSN news 收集的真实世界新闻推荐数据集上进行了大量实验，结果验证了我们的方法在新闻推荐上的有效性。
引用
@article{arxiv.1907.05559,
title = {NPA: Neural News Recommendation with Personalized Attention},
author = {Chuhan Wu and Fangzhao Wu and Mingxiao An and Jianqiang Huang and Yongfeng Huang and Xing Xie},
journal= {arXiv preprint arXiv:1907.05559},
year = {2019}
}