PBNR：基于提示的新闻推荐系统
信息检索
2023-04-18 v1
摘要
在线新闻平台常使用个性化新闻推荐方法帮助用户发现符合其兴趣的文章。这些方法通常预测用户与候选文章之间的匹配分数以反映用户对该文章的偏好。一些先前工作已使用语言模型技术(如注意力机制)基于用户过去行为捕捉其兴趣，并理解文章内容。然而，若考虑额外信息，这些现有模型架构需要调整。预训练大语言模型能更好捕捉词语关系并理解上下文，近年来取得显著发展，且这些预训练模型具有迁移学习和减少下游任务训练时间的优势。同时，提示学习是一种新兴技术，通过为输出生成构建任务特定引导来利用预训练语言模型。为利用新闻文章中的文本信息，本文将预训练大语言模型与提示学习引入新闻推荐领域。所提模型“基于提示的新闻推荐”(PBNR)将个性化新闻推荐视为文本到文本语言任务，并设计个性化提示以适应预训练语言模型——文本到文本迁移 Transformer (T5)。使用 Microsoft News 数据集的实验研究表明，PBNR 能通过考虑不同用户不同长度的历史行为做出准确推荐。PBNR 还可轻松适应新信息而无需改变模型架构与训练目标。此外，PBNR 能基于用户特定需求进行推荐，实现新闻推荐领域的人机交互。
引用
@article{arxiv.2304.07862,
title = {PBNR: Prompt-based News Recommender System},
author = {Xinyi Li and Yongfeng Zhang and Edward C. Malthouse},
journal= {arXiv preprint arXiv:2304.07862},
year = {2023}
}