PP-Rec：融合个性化用户兴趣与时间感知新闻流行度的新闻推荐

个性化新闻推荐方法广泛应用于在线新闻服务中。这些方法通常基于新闻内容与从历史事件推断出的用户兴趣之间的匹配来推荐新闻。然而，这些方法通常难以对冷启动用户做出准确推荐，并且倾向于推荐与用户已读新闻相似的新闻。一般而言，流行新闻通常包含重要信息，并能吸引具有不同兴趣的用户。此外，它们在内容与主题上通常具有多样性。因此，在本文中我们提出引入新闻流行度信息，以缓解个性化新闻推荐中的冷启动与多样性问题。在我们的方法中，向目标用户推荐候选新闻的排序得分是个性化匹配得分与新闻流行度得分的组合。前者用于捕捉用户对新闻的个性化兴趣。后者用于衡量候选新闻的时间感知流行度，其基于新闻内容、时效性与实时CTR使用统一框架预测。此外，我们提出一种流行度感知的用户编码器，以消除用户行为中的流行度偏差，从而实现准确的兴趣建模。在两个真实世界数据集上的实验表明，我们的方法能有效提升新闻推荐的准确率与多样性。