基于潜在主题分布和长、短期用户表示的新闻推荐模型

摘要：

[目的]在充分利用新闻文本内容、附加信息的基础上,探究用户的当前关注和稳定偏好,弥补现有新闻推荐方法在利用新闻内容信息和探索用户长、短期混合兴趣等方面的不足.[方法]构建了一种融合不同类型新闻信息的新闻表示模型,对新闻的标题、摘要、正文等文本内容,以及显式主题、潜在主题等附加信息进行有效利用;在此基础上,构建一种可以刻画用户长、短期兴趣用户表示模型,探究用户的当前关注和稳定偏好.[结果]所提模型在两个大规模新闻推荐数据集上的性能分别达到了69.51％(AUC)、34.09％(MRR)、37.25％(nDCG@5)、43.01％(nDCG@10)以及 66.05％(AUC)、30.93％(MRR)、34.30％(nDCG@5)、40.46％(nDCG@10),稳定超越7个基准模型.[局限]对历史行为稀疏的用户考虑不足,后续可针对用户冷启动场景作出适当推荐.[结论]所提模型利用先进的自然语言处理技术学习了信息量比较丰富的新闻和用户表示向量,其设计思路能有效提高新闻推荐的性能.

关键词：新闻推荐、主题模型、神经网络、注意力机制

所属期刊栏目：6

分类号：TP393;G250(计算技术、计算机技术)

资助基金：国家自然科学基金;重庆市自然科学基金

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：52-64