感知质量的新闻推荐

新闻推荐是许多在线新闻平台使用的核心技术。向用户推荐高质量新闻对于保持良好的用户体验和新闻平台声誉十分重要。然而，现有新闻推荐方法主要旨在优化新闻点击，而忽略所推荐新闻的质量，这可能导致推荐出内容无信息量甚至标题党新闻。本文提出一种名为QualityRec的感知质量新闻推荐方法，能有效提升推荐新闻的质量。在我们的方法中，首先基于用户对新闻的阅读停留时间分布提出一种有效的新闻质量评估方法。接着，设计内容-质量注意力网络，根据新闻语义与质量筛选点击新闻，将新闻质量信息融入用户兴趣建模。我们进一步通过辅助新闻质量预测任务训练推荐模型以学习感知质量的推荐模型，并加入推荐质量正则化损失以鼓励模型推荐更高质量的新闻。在两个真实数据集上的大量实验表明，QualityRec能有效提升推荐新闻的整体质量并减少低质量新闻的推荐，且推荐精度甚至略有提高。