深入评估神经新闻推荐系统中的编码器架构

编码器架构在神经新闻推荐系统中起着关键作用，通过嵌入新闻和用户的语义及上下文信息。因此，研究集中于增强新闻和用户编码器的表征能力，以提高推荐性能。尽管编码器架构对新闻和用户表征质量影响显著，但现有对编码器设计的分析仅关注整体下游推荐性能。这提供了单方面的评估，忽略了其行为中更细致的差异，可能导致模型选择次优。在本工作中，我们对神经新闻推荐系统中的编码器架构进行全面分析。我们系统评估了最突出的新闻和用户编码器架构，关注其 (i) 表示相似性，使用 Central Kernel Alignment 测量；(ii) 生成推荐列表的重叠度，用 Jaccard 相似性量化；以及 (iii) 整体推荐性能。我们的分析揭示了某些编码技术的复杂度往往是经验上不成正比的，凸显了更简单、更高效的架构的潜力。通过分离各组件的影响，我们为研究人员和实践者提供了有价值的见解，以作出更明智的编码器选择，避免新闻推荐系统设计中的不必要复杂性。