要約
候補となるニュース記事をユーザーに正確に推奨することは、常にニュース推奨システムの中核的な課題でした。
ニュースの推奨では、多くの場合、候補ニュースと一致するようにユーザーの関心をモデル化する必要があります。
最近の取り組みは、主に、すべてのユーザーがクリックした一連のニュースによって構築されるグローバル クリック グラフ内のローカル サブグラフ情報を抽出することに焦点を当てています。
しかし、グローバル クリック グラフ情報を抽出する計算の複雑さにより、グローバル クリック グラフ内の 2 つの遠く離れたノード間に隠された広範囲にわたるリンクを、同様のユーザー間で協力して利用する能力が妨げられています。
上記の問題を克服するために、我々はニュース推奨のためのグローバルビュー長連鎖関心モデリング (GLoCIM) を提案します。これは、近隣の関心とグローバルクリックグラフから抽出された長鎖関心を組み合わせ、同様のユーザー間のコラボレーションを活用してニュース推奨を強化します。
したがって、グローバル クリック グラフからグローバル ビューの長チェーン インタレストを取得するために、長チェーン選択アルゴリズムと長チェーン インタレスト エンコーダを設計します。
私たちは、同様のユーザー間の協力的な関心を達成するために、長いチェーンの関心と近隣の関心を統合するゲート型ネットワークを設計します。
その後、それをローカル ニュース カテゴリで強化された表現と集約して、最終的なユーザー表現を生成します。
次に、ユーザーの表現と一致するように候補のニュース表現を形成して、ニュースの推奨を実現できます。
実世界のデータセットでの実験結果は、ニュース推奨のパフォーマンスを向上させるための私たちの方法の有効性を検証します。
要約(オリジナル)
Accurately recommending candidate news articles to users has always been the core challenge of news recommendation system. News recommendations often require modeling of user interest to match candidate news. Recent efforts have primarily focused on extracting local subgraph information in a global click graph constructed by the clicked news sequence of all users. Howerer, the computational complexity of extracting global click graph information has hindered the ability to utilize far-reaching linkage which is hidden between two distant nodes in global click graph collaboratively among similar users. To overcome the problem above, we propose a Global-view Long Chain Interests Modeling for news recommendation (GLoCIM), which combines neighbor interest with long chain interest distilled from a global click graph, leveraging the collaboration among similar users to enhance news recommendation. We therefore design a long chain selection algorithm and long chain interest encoder to obtain global-view long chain interest from the global click graph. We design a gated network to integrate long chain interest with neighbor interest to achieve the collaborative interest among similar users. Subsequently we aggregate it with local news category-enhanced representation to generate final user representation. Then candidate news representation can be formed to match user representation to achieve news recommendation. Experimental results on real-world datasets validate the effectiveness of our method to improve the performance of news recommendation.
arxiv情報
| 著者 | Zhen Yang,Wenhui Wang,Tao Qi,Peng Zhang,Tianyun Zhang,Ru Zhang,Jianyi Liu,Yongfeng Huang |
| 発行日 | 2024-09-24 16:54:35+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google