一石二鸟：新闻推荐中召回与排序的统一模型学习

召回与排序是个性化新闻推荐中的两个关键步骤。大多数现有新闻推荐系统使用不同模型分别进行个性化新闻召回与排序。然而，维护多个模型会导致高计算成本，并给满足新闻推荐系统的在线延迟要求带来巨大挑战。为处理该问题，本文提出UniRec，一种用于新闻推荐中召回与排序的统一方法。在我们的方法中，首先利用用户编码器模型从用户的历史新闻点击行为推断用于排序的用户嵌入。然后，通过将以排序的用户嵌入作为注意力查询，选取一组编码不同一般用户兴趣的基用户嵌入并将其合成为用于召回的用户嵌入，从而由所得排序用户嵌入导出召回用户嵌入。在基准数据集上的大量实验表明，我们的方法能同时提升新闻推荐中召回与排序的效率与效果。