論文の概要: Quality-aware News Recommendation
- arxiv url: http://arxiv.org/abs/2202.13605v1
- Date: Mon, 28 Feb 2022 08:25:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-02 05:37:22.233626
- Title: Quality-aware News Recommendation
- Title（参考訳）: 品質に配慮したニュースレコメンデーション
- Authors: Chuhan Wu, Fangzhao Wu, Tao Qi, Yongfeng Huang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 92.67156911466397
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: News recommendation is a core technique used by many online news platforms.
Recommending high-quality news to users is important for keeping good user
experiences and news platforms' reputations. However, existing news
recommendation methods mainly aim to optimize news clicks while ignoring the
quality of news they recommended, which may lead to recommending news with
uninformative content or even clickbaits. In this paper, we propose a
quality-aware news recommendation method named QualityRec that can effectively
improve the quality of recommended news. In our approach, we first propose an
effective news quality evaluation method based on the distributions of users'
reading dwell time on news. Next, we propose to incorporate news quality
information into user interest modeling by designing a content-quality
attention network to select clicked news based on both news semantics and
qualities. We further train the recommendation model with an auxiliary news
quality prediction task to learn quality-aware recommendation model, and we add
a recommendation quality regularization loss to encourage the model to
recommend higher-quality news. Extensive experiments on two real-world datasets
show that QualityRec can effectively improve the overall quality of recommended
news and reduce the recommendation of low-quality news, with even slightly
better recommendation accuracy.
- Abstract（参考訳）: ニュースレコメンデーションは多くのオンラインニュースプラットフォームで使われているコアテクニックである。
優れたユーザエクスペリエンスとニュースプラットフォームの評判を維持するためには,高品質なニュースをユーザに推奨することが重要です。
しかし、既存のニュースレコメンデーション手法は、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る。
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。
そこで本研究では,まず,ニュースに対するユーザの読書時間分布に基づく効果的なニュース品質評価手法を提案する。
次に、ニュースセマンティクスと品質の両方に基づいてクリックしたニュースを選択するために、コンテンツ品質アテンションネットワークを設計し、ニュース品質情報をユーザ関心モデリングに組み込むことを提案する。
さらに,質認識型推薦モデルを学ぶために,補助的なニュース品質予測タスクで推薦モデルを訓練し,さらに,高品質なニュースを推薦するための推奨品質正規化損失を追加する。
2つの実世界のデータセットに対する大規模な実験によると、QualityRecは推奨ニュースの全体的な品質を効果的に改善し、低品質ニュースの推奨を減らすことができる。
関連論文リスト
- Multi-Layer Ranking with Large Language Models for News Source Recommendation [20.069181633869093]
我々はNewsQuoteと呼ばれる新しいデータセットを構築し、ニュース記事の収集から得られた23,571の引用話者ペアで構成されています。
我々は,特定のクエリに関連付けられる可能性に基づいて,専門家の検索として推薦タスクを定式化する。
この結果から,テキスト内学習に基づくLLMランキングと多層ランキングに基づくフィルタを用いることで,推薦システムの予測品質と行動品質を著しく向上することがわかった。
論文 参考訳（メタデータ） (2024-06-17T17:02:34Z) - News Recommendation with Attention Mechanism [3.255950854798191]
我々は,ニュースレコメンデーションのための注目に基づくアプローチであるNRAM(News Recommendation with Attention Mechanism)の実装について述べる。
評価の結果,NRAMは,デジタルニュースプラットフォーム上でのニュースコンテンツのパーソナライズ方法を大幅に改善する可能性が示唆された。
論文 参考訳（メタデータ） (2024-02-12T05:56:12Z) - 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) - 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) - 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) - 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) - 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)
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。