基于内容的神经新闻推荐中用户与新闻表示的关系探究
信息检索
2022-08-01 v1 计算与语言
摘要
已有大量基于内容的神经新闻推荐模型被提出。然而，对于此类系统的三个主要组件（新闻编码器、用户编码器和打分函数）的相对重要性及其权衡，人们的理解有限。本文评估了一种假设：最广泛使用的匹配用户与候选新闻表示的方法表达力不足。我们通过评估更具表达力的打分函数，使系统能够建模二者之间更复杂的关系。在广泛的基线和已有系统中，这在 AUC 上带来约 6 个点的稳定提升。我们的结果还表明新闻编码器与打分函数复杂度之间存在权衡：一个相当简单的基线模型在 MIND 数据集上 AUC 超过 68%，与已发表的最优结果（SOTA）相差不到 2 个点，同时仅需要一小部分计算成本。
引用
@article{arxiv.2207.14704,
title = {Understanding the Relation of User and News Representations in Content-Based Neural News Recommendation},
author = {Lucas Möller and Sebastian Padó},
journal= {arXiv preprint arXiv:2207.14704},
year = {2022}
}
备注
This work was accepted and presented in the 10th INRA workshop at SIGIR`22