正、负与中性：会话式新闻推荐中的隐式反馈建模

面向匿名读者的新闻推荐对许多新闻门户而言是一项有用但具挑战性的任务，其中读者与文章的交互被限制在临时登录会话内。先前工作倾向于将会话式推荐表述为下一物品预测任务，却忽视了用户行为中的隐式反馈，而后者揭示了用户的真正喜好与厌恶。因此，我们提出一个综合框架，通过正反馈（即用户停留时间更长的文章）与负反馈（即用户选择跳过而未点击的文章）来建模用户行为。此外，该框架借助会话开始时间隐式建模用户，并借助文章初始发布时间隐式建模文章，我们称之为“中性反馈”。在三个真实世界新闻数据集上的实证评估表明，相较于其他最先进的会话式推荐方法，该框架在更准确、更多样乃至更具意外性的推荐方面表现优异。