論文の概要: Deep Dynamic Neural Network to trade-off between Accuracy and Diversity
in a News Recommender System
- arxiv url: http://arxiv.org/abs/2103.08458v2
- Date: Wed, 17 Mar 2021 00:30:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-18 09:25:24.796428
- Title: Deep Dynamic Neural Network to trade-off between Accuracy and Diversity
in a News Recommender System
- Title（参考訳）: ディープダイナミックニューラルネットワークによるニュースレコメンデータシステムにおける精度と多様性のトレードオフ
- Authors: Shaina Raza, Chen Ding
- Abstract要約: 本稿では,ニュースと読者の興味を統一した枠組みで学習する深層ニューラルネットワークを提案する。
読者のクリック履歴から読者の長期的関心、LSTMSによる最近のクリックからの短期的関心、および注意メカニズムを通じて多様な読者の興味を学びます。
- 参考スコア（独自算出の注目度）: 1.3126169294309855
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The news recommender systems are marked by a few unique challenges specific
to the news domain. These challenges emerge from rapidly evolving readers'
interests over dynamically generated news items that continuously change over
time. News reading is also driven by a blend of a reader's long-term and
short-term interests. In addition, diversity is required in a news recommender
system, not only to keep the reader engaged in the reading process but to get
them exposed to different views and opinions. In this paper, we propose a deep
neural network that jointly learns informative news and readers' interests into
a unified framework. We learn the news representation (features) from the
headlines, snippets (body) and taxonomy (category, subcategory) of news. We
learn a reader's long-term interests from the reader's click history,
short-term interests from the recent clicks via LSTMSs and the diversified
reader's interests through the attention mechanism. We also apply different
levels of attention to our model. We conduct extensive experiments on two news
datasets to demonstrate the effectiveness of our approach.
- Abstract（参考訳）: ニュースレコメンデータシステムは、ニュースドメイン特有のいくつかのユニークな課題によって特徴付けられる。
これらの課題は、時間とともに継続的に変化する動的に生成されたニュースアイテムに対する読者の関心が急速に発展することから生じる。
ニュースを読むには、読者の長期的な興味と短期的な関心を混ぜ合わせる必要がある。
さらに、ニュースレコメンデーションシステムでは、読者を読書プロセスに参加させるだけでなく、異なる見解や意見に露出させるため、多様性が要求される。
本稿では,情報的ニュースと読者の関心を統合されたフレームワークに共同で学習するディープニューラルネットワークを提案する。
私たちはニュースの見出し、スニペット(ボディ)、分類(カテゴリ、サブカテゴリ)からニュース表現(フィーチャー)を学びます。
読者の長期的な興味は、読者のクリック履歴、lstmsによる最近のクリックからの短期的関心、注目機構を通じて読者の興味の多様化から学ぶ。
モデルにもさまざまなレベルの注意を向けています。
我々は,2つのニュースデータセットについて広範な実験を行い,その効果を実証した。
関連論文リスト
- SCStory: Self-supervised and Continual Online Story Discovery [53.72745249384159]
SCStoryは、素早く公開されたニュース記事ストリームを人間のアノテーションなしでリアルタイムで消化するのに役立つ。
SCStoryは、ニュース記事ストリームのストーリー指向適応モデリングという新しいアイデアを取り入れて、自己指導的かつ継続的な学習を取り入れている。
論文 参考訳（メタデータ） (2023-11-27T04:50:01Z) - From Nuisance to News Sense: Augmenting the News with Cross-Document
Evidence and Context [25.870137795858522]
本稿では,複数のニュース記事からの情報を中心的な話題に集め統合するための,新しいセンスメイキングツールと読書インタフェースであるNEWSSENSEを紹介する。
NEWSSENSEは、異なるソースからの関連記事にリンクすることで、ユーザの選択を集中的に根拠づけた記事を強化する。
我々のパイロット研究は、NEWSSENSEがユーザーが重要な情報を識別し、ニュース記事の信頼性を確認し、異なる視点を探索するのに役立つ可能性を示唆している。
論文 参考訳（メタデータ） (2023-10-06T21:15:11Z) - Towards Corpus-Scale Discovery of Selection Biases in News Coverage:
Comparing What Sources Say About Entities as a Start [65.28355014154549]
本稿では,大規模ニュースコーパスにおけるニュースコンテンツから直接メディア選択バイアスのパターンを発見するために,スケーラブルなNLPシステムを構築する上での課題について検討する。
我々は,世界519のニュースソースから180万件のニュース記事のコーパスであるNELA-2020のケーススタディを通じて,フレームワークの能力を示す。
論文 参考訳（メタデータ） (2023-04-06T23:36:45Z) - Designing and Evaluating Interfaces that Highlight News Coverage
Diversity Using Discord Questions [84.55145223950427]
本稿は,ニュース記事のための大規模なソースコレクションをナビゲートすることは,それ以上のガイダンスなしでは困難であることを示す。
本稿では,ニュース読者が読みながら範囲の多様性を発見することを目的とした,注釈記事,要約記事,質問表の3つのインタフェースを設計する。
論文 参考訳（メタデータ） (2023-02-17T16:59:31Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳（メタデータ） (2023-01-14T18:58:42Z) - Nothing Stands Alone: Relational Fake News Detection with Hypergraph
Neural Networks [49.29141811578359]
本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。
提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
論文 参考訳（メタデータ） (2022-12-24T00:19:32Z) - Modeling Multi-interest News Sequence for News Recommendation [0.6787897491422114]
セッションベースのニュースレコメンデータシステムは、セッションで彼女/彼によって読んだりクリックされたりした一連のニュースに埋め込まれた潜在的な関心をモデル化して、次のニュースをユーザに推薦する。
本稿では,ニュースレコメンデーションのための多目的ニュースシーケンス(MINS)モデルを提案する。
MINSでは、各ニュースに対する情報埋め込みを学習するために、自己注意に基づくニュースを考案し、次に次のニュースレコメンデーションに備えて、ニュースシーケンスに埋め込まれた潜在的な複数の興味を引き出すために、新たな並列関心ネットワークを考案する。
論文 参考訳（メタデータ） (2022-07-15T08:03:37Z) - A News Recommender System Considering Temporal Dynamics and Diversity [0.0]
ニュースレコメンダーシステムでは、読者の好みは時間とともに変化します。
いくつかの選好は突然(短期選好)に流れ、他の選好は長い時間をかけて変化する。
私たちのシステムは、(i)読者行動のダイナミクスに対応でき、(ii)レコメンデーションモデルの設計における正確性と多様性の両方を考慮する必要があります。
論文 参考訳（メタデータ） (2021-03-23T13:45:34Z) - Beyond Optimizing for Clicks: Incorporating Editorial Values in News
Recommendation [10.458414681622799]
本稿では,ニュース機関の編集価値の文脈で,自動ニュースレコメンデータシステムについて検討する。
提案する推薦システムは,より多様な読解行動をもたらし,記事のカバレッジを高める。
論文 参考訳（メタデータ） (2020-04-21T13:24:49Z) - Graph Enhanced Representation Learning for News Recommendation [85.3295446374509]
本稿では,ユーザとニュースの表現学習を強化するニューズレコメンデーション手法を提案する。
本手法では,歴史的ユーザクリック行動から構築した二部グラフのノードとして,ユーザとニュースをみなす。
論文 参考訳（メタデータ） (2020-03-31T15:27:31Z) - SirenLess: reveal the intention behind news [31.757138364005087]
本稿では,言語的特徴による誤ニュース検出のための視覚解析システムであるSirenLessを紹介する。
このシステムは、ニュースメタデータと言語機能を統合し、ニュース記事の意味構造を明らかにする新しいインタラクティブツールである、記事エクスプローラーを特徴とする。
我々は、SirenLessを用いて、異なるソースから18のニュース記事を分析し、誤ったニュース検出のためのいくつかの有用なパターンを要約する。
論文 参考訳（メタデータ） (2020-01-08T20:36:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。