-
题名基于知识增强的细粒度个性化新闻推荐用户建模
- 1
-
-
作者
熊晓波
方文涛
-
机构
湖南省高速公路集团有限公司
中联重科股份有限公司
-
出处
《计算技术与自动化》
2024年第4期161-166,共6页
-
文摘
传统的新闻推荐用户建模方法难以深入解析新闻的复杂语义和用户的真实需求,为此提出了一种知识增强的新闻建模方法,通过实体表示层、上下文嵌入层和注意力聚合层获取新闻文档表示。在此基础上提出了一种基于知识增强文档的细粒度用户建模方法,利用长文档建模技术将知识增强的新闻文档串联成长文档,通过捕获文档间的词级交互行为得到细粒度用户表示;通过捕获文档内的实体交互行为得到粗粒度用户表示,粗粒度的用户表示和细粒度的用户表示聚合得到最终的用户表示。实验结果显示,提出的新闻建模方法在AUC和NDCG@10指标上优于基线模型,基于此方法的用户建模方法在AUC上至少提升2.51%,在NDCG@10上至少提升4.75%。
-
关键词
新闻建模
用户建模
知识图谱
细粒度
个性化新闻推荐
-
Keywords
news modeling
user modeling
knowledge graph
fine-grained
personalized news recommendation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的新闻推荐算法研究综述
被引量：24
- 2
-
-
作者
田萱
丁琪
廖子慧
孙国栋
-
机构
北京林业大学信息学院
国家林业草原林业智能信息处理工程技术研究中心
-
出处
《计算机科学与探索》
CSCD
北大核心
2021年第6期971-998,共28页
-
基金
国家重点研发计划(2018YFC1603302,2018YFC1603305)。
-
文摘
新闻推荐(NR)可以有效缓解新闻信息过载,是当今人们获取新闻资讯的重要方式,而深度学习(DL)成为近年来促进新闻推荐发展的主流技术,使新闻推荐的效果得到显著提升,受到研究者们的广泛关注。主要对基于深度学习的新闻推荐方法研究现状进行分类梳理和分析归纳。根据对新闻推荐的核心对象——用户和新闻的建模思路不同,将基于深度学习的新闻推荐方法分为“两段式”方法、“融合式”方法和“协同式”方法三类。在每类方法中,根据建模过程中的具体子任务或基于的数据组织结构进行更进一步细分,对代表性模型进行分析介绍,评价其优点和局限性等,并详细总结每类方法的特点和优缺点。另外还介绍了新闻推荐中常用数据集、基线算法和性能评价指标,最后分析展望了该领域未来可能的研究方向及发展趋势。
-
关键词
新闻推荐(NR)
深度学习(DL)
用户兴趣建模
新闻建模
-
Keywords
news recommendation(NR)
deep learning(DL)
user interest modeling
news modeling
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名个性化新闻推荐研究进展
被引量：3
- 3
-
-
作者
周帅
都云程
张仰森
-
机构
北京信息科技大学计算机学院
北京信息科技大学智能信息处理研究所
-
出处
《计算机技术与发展》
2023年第2期1-8,共8页
-
基金
国家自然科学基金项目(62176023)。
-
文摘
在线新闻推荐系统中,个性化新闻推荐是解决新闻信息爆炸问题,帮助用户便捷找到感兴趣新闻的一项重要技术。在过去的研究中,各种新闻推荐技术层出不穷,在提高用户体验上已取得显著成效。但由于在线新闻的多样性、动态性和时效性,新闻推荐仍是亟待发展且具有挑战性的。首先,从传统方法和深度学习方法的角度,对个性化新闻推荐进行展开,并对新闻建模及用户兴趣建模进行归纳总结,分析两类方法的技术特点和不足之处。然后,介绍个性化新闻推荐的数据集和评价方法,对典型新闻和用户兴趣建模方法的效果进行对比。最后,对该领域未来可能的研究方向进行展望。希望能对个性化新闻推荐、自然语言处理和数据挖掘相关领域的研究有所帮助。
-
关键词
新闻推荐
新闻建模
用户兴趣建模
个性化
深度学习
-
Keywords
news recommendation
news modeling
user interest modeling
personalization
deep learning
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
