面向交互式新闻的基于图的行为感知推荐

交互式新闻推荐近来已推出并引起广泛关注。在该场景下，用户行为从单一点击行为演变为包括点赞、评论、分享等多种行为。然而，现有大多数方法仍使用单一点击行为作为判断用户偏好的唯一标准。此外，尽管异质图已应用于不同领域，但仍缺乏一种为交互式新闻数据构建异质图并配以适当学习机制的正确方法。为解决上述关切，我们提出了一种基于图的行为感知网络，其同时考虑六类不同行为以及用户对新闻多样性的需求。我们包含三个主要步骤。首先，我们为多层级、多类别数据构建交互行为图。其次，我们在行为图上应用 DeepWalk 以获取实体语义，然后构建称为 G-CNN 的基于图的卷积神经网络来学习新闻表示，以及基于注意力的 LSTM 来学习行为序列表示。第三，我们为行为图引入核心度与凝聚度特征，用以衡量用户兴趣的集中程度。这些特征影响我们个性化推荐系统在准确性与多样性之间的权衡。考虑到这些特征，我们的系统最终实现了向不同集中度水平的用户推荐新闻。