基于隐语义等多特征融合的新闻推荐算法研究

童 文喜
华北水利水电大学

摘要


随着互联网蓬勃发展，众多网络新闻不断产生，导致新闻信息过载，因此迫切需要有效的新闻推荐算法解
决此问题。本文构建了一种融合新闻不同视角信息的新闻特征学习模型，对新闻的标题、摘要、类别以及隐语义进
行有效利用；在此基础上，搭建一种可以刻画用户长短期混合兴趣的用户特征学习模型，探究用户的短期兴趣和长
期偏好。所提模型在大规模新闻推荐数据集上的性能稳定超越6个基准模型，反映了设计思路能有效提高新闻推荐
性能。

关键词


信息过载；新闻推荐；混合兴趣；隐语义

全文:

PDF


参考


[1]Feng C. "News Recommendation Systems -

Accomplishments，Challenges & Future Directions," in IEEE

Access，vol. 8，pp. 16702-16725.

[2]Okura STagami YOno Set al. EmbeddingBased News Recommendation for Millions of Users[C]//

Proceedings of the 23rd ACM SIGKDD International

Conference on Knowledge Discovery and Data Mining.

2017：1933-1942.

[3]Park K，Lee J，Choi J. Deep Neural Networks for

News Recommendations[C]//Proceedings of the 2017 ACM

on Conference on Information and Knowledge Management.

2017：2255-2258.

[4]Sheu H S，Li S. Context-Aware Graph Embedding

for SessionBased News Recommendation[C]//Proceedings of

the 14th ACM Conference on Recommender Systems. 2020：

657-662.

[5]吴方照，武楚涵，安鸣霄，等.基于深度学习的

个性化新闻推荐[J].南京信息工程大学学报（自然科学

版），2019，11（3）：278-285.

[6]Devlin JChang M WLee Ket al. BertPretraining of deep bidirectional transformers for language

understanding[J]. arXiv preprint arXiv：1810.04805，2018.

[7]Wu F Z，Qiao Y，Chen J H，et al. MIND：A

Large-Scale Dataset for News Recommendation[C]//

Proceedings of the 58th Annual Meeting of the Association

for Computational Linguistics. 2021：3597-3606.


Refbacks

  • 当前没有refback。