新闻推荐系统中的边信息融合Transformer
推荐系统中对多模态的数据处理方式是业界长期关注的重点,基于各类数据的特点设计模型,可以有效利用信息,从而提升推荐效率.文章针对新闻推荐系统提出SIA-Transformer结构,在传统Transformer的基础上结合了新闻的边信息.通过多组内积的形式,将单词特征与边信息特征在多头注意力层中进行交叉,提高了边信息利用率的同时,也丰富了文本特征提取的语义,使得基于SIA-Transformer的新闻文本特征提取方法获取到更多信息,从而提高了推荐的效果.文章基于微软MSN开放的大型新闻数据集MIND进行了实验,验证了模型的效果.
新闻推荐系统、边信息、多模态、深度学习
19
TP311(计算技术、计算机技术)
2023-03-06（万方平台首次上网日期，不代表论文的发表时间）
共3页
4-6
