近期新闻推荐模型中未被重视的上下文特征之意义
信息检索
2021-12-30 v1 机器学习
摘要
个性化新闻推荐旨在通过预测读者点击某篇文章的可能性来为其提供有吸引力的文章。为了准确预测该概率，已有大量研究积极利用文章的内容特征，如词、类别或实体。然而，我们观察到文章的上下文特征，如 CTR（点击率）、热度或新鲜度，近期或被忽视或被利用不足。为证明情况确实如此，我们对近期深度学习模型与我们设计的朴素上下文模型进行了广泛对比，并惊讶地发现后者轻易优于前者。此外，我们的分析表明，近期对上下文特征施加过度复杂的深度学习操作实际上阻碍了推荐性能。基于这一认识，我们设计了一个刻意简单的上下文模块，可大幅提升以往的新闻推荐模型。
引用
@article{arxiv.2112.14370,
title = {On the Overlooked Significance of Underutilized Contextual Features in Recent News Recommendation Models},
author = {Sungmin Cho and Hongjun Lim and Keunchan Park and Sungjoo Yoo and Eunhyeok Park},
journal= {arXiv preprint arXiv:2112.14370},
year = {2021}
}