論文の概要: Aspect-driven User Preference and News Representation Learning for News Recommendation

• arxiv url: http://arxiv.org/abs/2110.05792v1
• Date: Tue, 12 Oct 2021 07:38:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-13 14:44:16.185991
• Title: Aspect-driven User Preference and News Representation Learning for News Recommendation
• Title（参考訳）: ニュースレコメンデーションのためのアスペクト駆動ユーザ選好とニュース表現学習
• Authors: Rongyao Wang, Wenpeng Lu, Shoujin Wang, Xueping Peng, Hao Wu and Qian Zhang
• Abstract要約: ニュースレコメンダシステムは、通常、ユーザーのトピックレベルの表現とレコメンデーションのためのニュースを学習する。 本稿では,アスペクトレベルのユーザ嗜好とニュース表現学習に基づく,アスペクト駆動型ニューズレコメンダシステム(ANRS)を提案する。
• 参考スコア（独自算出の注目度）: 9.187076140490902
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: News recommender systems are essential for helping users to efficiently and effectively find out those interesting news from a large amount of news. Most of existing news recommender systems usually learn topic-level representations of users and news for recommendation, and neglect to learn more informative aspect-level features of users and news for more accurate recommendation. As a result, they achieve limited recommendation performance. Aiming at addressing this deficiency, we propose a novel Aspect-driven News Recommender System (ANRS) built on aspect-level user preference and news representation learning. Here, \textit{news aspect} is fine-grained semantic information expressed by a set of related words, which indicates specific aspects described by the news. In ANRS, \textit{news aspect-level encoder} and \textit{user aspect-level encoder} are devised to learn the fine-grained aspect-level representations of user's preferences and news characteristics respectively, which are fed into \textit{click predictor} to judge the probability of the user clicking the candidate news. Extensive experiments are done on the commonly used real-world dataset MIND, which demonstrate the superiority of our method compared with representative and state-of-the-art methods.
• Abstract（参考訳）: ニュースレコメンデーターシステムは、ユーザーが大量のニュースからこれらの興味深いニュースを効率的に、効果的に見つけるのを助けるために不可欠である。 既存のニュースレコメンデーションシステムの多くは、通常、ユーザーとニュースのトピックレベルの表現をレコメンデーションのために学び、より情報に富んだユーザーとニュースの機能を学ぶことを無視する。 その結果、限られたレコメンデーションパフォーマンスが達成される。 この欠陥に対処するために,アスペクトレベルのユーザ嗜好とニュース表現学習に基づく新しいAspect-driven News Recommender System (ANRS)を提案する。 ここでは、textit{news aspect} は、関連する単語の集合によって表現されるきめ細かい意味情報であり、ニュースによって記述される特定の側面を示す。 anrsでは、ユーザの好みとニュース特性のきめ細かいアスペクトレベル表現を学習するために \textit{news aspect-level encoder} と \textit{user aspect-level encoder} が考案され、それぞれ \textit{click predictor} に供給され、ユーザが候補ニュースをクリックする確率を判断する。 一般的な実世界のデータセットであるMINDを用いて大規模な実験を行い、代表的手法や最先端手法と比較して、本手法の優位性を実証した。

関連論文リスト

• Impression-Aware Recommender Systems [57.38537491535016]
  新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。 研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。 本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• IGNiteR: News Recommendation in Microblogging Applications (Extended Version) [3.2108350580418166]
  我々は、インフルエンスグラフニュースレコメンダ(IGNiteR)と呼ばれる、拡散と影響を意識したディープラーニングに基づくアプローチを提案する。 このニュースを表現するために、マルチレベルアテンションベースのエンコーダを使用して、ユーザの異なる関心事を明らかにする。 実世界の2つのデータセットに対して広範な実験を行い、IGNiteRが最先端のディープラーニングベースのニュースレコメンデーション手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-04T22:33:58Z)
• Two-Stage Neural Contextual Bandits for Personalised News Recommendation [50.3750507789989]
  既存のパーソナライズされたニュースレコメンデーション手法は、ユーザの興味を搾取することに集中し、レコメンデーションにおける探索を無視する。 我々は、エクスプロイトと探索のトレードオフに対処する文脈的包括的レコメンデーション戦略に基づいて構築する。 我々はユーザとニュースにディープラーニング表現を使用し、ニューラルアッパー信頼境界(UCB)ポリシーを一般化し、加法的 UCB と双線形 UCB を一般化する。
  論文  参考訳（メタデータ） (2022-06-26T12:07:56Z)
• Quality-aware News Recommendation [92.67156911466397]
  既存のニュースレコメンデーションメソッドは主に、推奨するニュースの品質を無視しながら、ニュースクリックを最適化することを目的としています。 本稿では,推奨ニュースの品質を効果的に向上する品質対応ニュースレコメンデーション手法であるQualityRecを提案する。
  論文  参考訳（メタデータ） (2022-02-28T08:25:58Z)
• Neural News Recommendation with Event Extraction [0.0]
  オンラインニュースレコメンデーションの重要な課題は、ユーザーが興味のある記事を見つけるのを助けることだ。 従来のニュースレコメンデーション手法では、ニュースやユーザ表現をエンコードするには不十分な単一ニュース情報を使用することが多い。 本稿では,これらの欠点を克服するためのイベント抽出に基づくニュースレコメンデーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-09T11:56:38Z)
• Why Do We Click: Visual Impression-aware News Recommendation [108.73539346064386]
  この作品は、ユーザーがニュースを閲覧する際に感じる視覚的印象に基づいてクリック決定を行うという事実にインスパイアされている。 本稿では,ニュースレコメンデーションのためのビジュアル・セマンティック・モデリングを用いて,このような視覚印象情報を捉えることを提案する。 さらに、グローバルな視点から印象を検査し、異なるフィールドの配置や印象に対する異なる単語の空間的位置などの構造情報を抽出する。
  論文  参考訳（メタデータ） (2021-09-26T16:58:14Z)
• Neural News Recommendation with Collaborative News Encoding and Structural User Encoding [18.407727437603178]
  協調ニュースエンコーディング(CNE)と構造化ユーザエンコーディング(SUE)からなるニュースレコメンデーションフレームワークを提案する。 MINDデータセットの実験結果から,提案モデルの有効性を検証し,ニュースレコメンデーションの性能を向上させる。
  論文  参考訳（メタデータ） (2021-09-02T07:16:42Z)
• Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion [77.21442487537139]
  対話型レコメンデータシステム(CRS)は,対話型対話を通じて高品質なアイテムをユーザに推薦することを目的としている。 まず、会話データ自体にユーザの好みを正確に理解するための十分なコンテキスト情報がない。 第二に、自然言語表現とアイテムレベルのユーザ嗜好の間には意味的なギャップがある。
  論文  参考訳（メタデータ） (2020-07-08T11:14:23Z)
• 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)

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。