論文の概要: Neural News Recommendation with Event Extraction

• arxiv url: http://arxiv.org/abs/2111.05068v1
• Date: Tue, 9 Nov 2021 11:56:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-10 19:30:08.882171
• Title: Neural News Recommendation with Event Extraction
• Title（参考訳）: イベント抽出によるニューラルニュース推薦
• Authors: Songqiao Han, Hailiang Huang, Jiangwei Liu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A key challenge of online news recommendation is to help users find articles they are interested in. Traditional news recommendation methods usually use single news information, which is insufficient to encode news and user representation. Recent research uses multiple channel news information, e.g., title, category, and body, to enhance news and user representation. However, these methods only use various attention mechanisms to fuse multi-view embeddings without considering deep digging higher-level information contained in the context. These methods encode news content on the word level and jointly train the attention parameters in the recommendation network, leading to more corpora being required to train the model. We propose an Event Extraction-based News Recommendation (EENR) framework to overcome these shortcomings, utilizing event extraction to abstract higher-level information. EENR also uses a two-stage strategy to reduce parameters in subsequent parts of the recommendation network. We train the Event Extraction module by external corpora in the first stage and apply the trained model to the news recommendation dataset to predict event-level information, including event types, roles, and arguments, in the second stage. Then we fuse multiple channel information, including event information, news title, and category, to encode news and users. Extensive experiments on a real-world dataset show that our EENR method can effectively improve the performance of news recommendations. Finally, we also explore the reasonability of utilizing higher abstract level information to substitute news body content.
• Abstract（参考訳）: 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。 近年の研究では、複数のチャンネルニュース情報(タイトル、カテゴリ、ボディなど)を使用して、ニュースやユーザ表現を強化する。 しかし、これらの手法は、コンテキストに含まれる高度な情報を深く掘り下げることなく、多視点埋め込みを融合する様々な注意機構のみを使用する。 これらの方法では、単語レベルでニュースコンテンツをエンコードし、リコメンデーションネットワークでアテンションパラメータを共同でトレーニングすることで、モデルのトレーニングにより多くのコーパスが必要になる。 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(eenr)フレームワークを提案する。 EENRはまた、リコメンデーションネットワークのその後の部分のパラメータを減らすために、2段階戦略を使用している。 第1段階では外部コーパスによるイベント抽出モジュールのトレーニングを行い、第2段階ではトレーニングされたモデルをニュースレコメンデーションデータセットに適用し、イベントタイプ、ロール、引数を含むイベントレベルの情報を予測します。 次に、イベント情報、ニュースタイトル、カテゴリを含む複数のチャネル情報を融合して、ニュースとユーザをエンコードします。 実世界のデータセットに関する広範な実験は、eenrメソッドがニュースレコメンデーションのパフォーマンスを効果的に改善できることを示しています。 最後に,ニュースコンテンツに代えて,より高度な抽象レベル情報を活用する理由についても検討する。

関連論文リスト

• Don't Click the Bait: Title Debiasing News Recommendation via Cross-Field Contrastive Learning [16.467106824672566]
  本稿では,クロスフィールドコントラスト学習(TDNR-C2)を用いたニュースレコメンデーションを提案する。 具体的には、様々な分野からニュースに関する多視点知識を抽出するために、多分野知識抽出モジュールを考案した。 本稿では,学習知識を肩書きや要約文と対比することで,バイアス除去を行うクロスフィールドコントラスト学習モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-16T05:51:00Z)
• A Novel Method for News Article Event-Based Embedding [8.183446952097528]
  本稿では,記事中のエンティティやテーマに着目して,ニュース埋め込み生成を最適化する,新しい軽量な手法を提案する。 我々はGDELTプロジェクトから,85万件以上のニュース記事と1000,000件のイベントを活用し,本手法の検証と評価を行った。 提案手法は,共有イベント検出タスクにおける最先端手法の改善と性能向上の両立を実証した。
  論文  参考訳（メタデータ） (2024-05-20T20:55:07Z)
• Improving and Evaluating the Detection of Fragmentation in News Recommendations with the Clustering of News Story Chains [46.44827993583994]
  フラグメンテーション指標は、ニュースレコメンデーションにおける情報ストリームの断片化の度合いを定量化する。 本稿では,ニュースレコメンデーションにおけるフラグメンテーションの定量化手法について検討する。
  論文  参考訳（メタデータ） (2023-09-12T13:01:20Z)
• Focus! Relevant and Sufficient Context Selection for News Image Captioning [69.36678144800936]
  News Image Captioningは、ニュース記事から追加のコンテキストを活用することで、画像を記述する必要がある。 本稿では,事前学習された視覚・言語検索モデルであるCLIPを用いて,ニュース記事中の視覚的根拠を持つエンティティをローカライズすることを提案する。 我々の実験は、記事からより良いコンテキストを選択するだけで、既存のモデルの性能を大幅に改善できることを示した。
  論文  参考訳（メタデータ） (2022-12-01T20:00:27Z)
• 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)
• Aspect-driven User Preference and News Representation Learning for News Recommendation [9.187076140490902]
  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。
  論文  参考訳（メタデータ） (2021-10-12T07:38:54Z)
• Joint Multimedia Event Extraction from Video and Article [51.159034070824056]
  本稿では,ビデオ記事やテキスト記事からイベントを共同抽出する手法を提案する。 まず,自己教師型マルチモーダルイベントコアモデルを提案する。 第2に、ビデオとテキストの両方から構造化イベント情報を共同で抽出する、最初のマルチモーダルトランスフォーマーを導入する。
  論文  参考訳（メタデータ） (2021-09-27T03:22:12Z)
• 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)
• 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。