論文の概要: Modeling Multi-interest News Sequence for News Recommendation

• arxiv url: http://arxiv.org/abs/2207.07331v1
• Date: Fri, 15 Jul 2022 08:03:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-18 14:09:08.608557
• Title: Modeling Multi-interest News Sequence for News Recommendation
• Title（参考訳）: ニュースレコメンデーションのための多目的ニュース系列のモデル化
• Authors: Rongyao Wang, Wenpeng Lu, Xueping Peng
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.7249771098264004
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A session-based news recommender system recommends the next news to a user by modeling the potential interests embedded in a sequence of news read/clicked by her/him in a session. Generally, a user's interests are diverse, namely there are multiple interests corresponding to different types of news, e.g., news of distinct topics, within a session. %Modeling such multiple interests is critical for precise news recommendation. However, most of existing methods typically overlook such important characteristic and thus fail to distinguish and model the potential multiple interests of a user, impeding accurate recommendation of the next piece of news. Therefore, this paper proposes multi-interest news sequence (MINS) model for news recommendation. In MINS, a news encoder based on self-attention is devised on learn an informative embedding for each piece of news, and then a novel parallel interest network is devised to extract the potential multiple interests embedded in the news sequence in preparation for the subsequent next-news recommendations. The experimental results on a real-world dataset demonstrate that our model can achieve better performance than the state-of-the-art compared models.
• Abstract（参考訳）: セッションベースのニュースレコメンダシステムは、セッション中の彼女/ヒムによってクリックされたニュースのシーケンスに埋め込まれた潜在的な興味をモデル化することにより、ユーザに次のニュースを推薦する。 一般に、ユーザの興味は多様であり、セッション内では、異なるトピックのニュースなど、さまざまなタイプのニュースに対応する複数の関心がある。 %のモデル化がニュースレコメンデーションに重要である。 しかし、既存の方法の多くはそのような重要な特徴を見落としており、それによってユーザーの潜在的な複数の関心を区別しモデル化できず、次のニュースの正確な推薦を妨げる。 そこで本稿では,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、自己注意に基づくニュースエンコーダを、各ニュースに対する情報埋め込みを学習するために考案し、その後、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、新しい並列関心ネットワークを考案する。 実世界のデータセットにおける実験結果は、我々のモデルが最先端比較モデルよりも優れた性能を達成できることを示しています。

関連論文リスト

• GLoCIM: Global-view Long Chain Interest Modeling for news recommendation [59.3925442282951]
  候補者のニュース記事をユーザーに正確に推薦することは、常にニュースレコメンデーションシステムの中核的な課題である。 近年の取り組みは、全ユーザのクリックニュースシーケンスによって構築されたグローバルなクリックグラフにおいて、局所的なサブグラフ情報を抽出することに集中している。 本稿では,Global-view Long Chain Interests Modeling for News recommendation (GLoCIM)を提案する。
  論文  参考訳（メタデータ） (2024-08-01T18:17:25Z)
• 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)
• DOR: A Novel Dual-Observation-Based Approach for News Recommendation Systems [2.7648976108201815]
  本稿では,ニュースレコメンデーションの問題に対処する新しい手法を提案する。 我々のアプローチは二重観測の考え方に基づいている。 ニュースの内容とユーザの視点の両方を考慮することで、よりパーソナライズされた正確なレコメンデーションを提供することができる。
  論文  参考訳（メタデータ） (2023-02-02T22:16:53Z)
• VLSNR:Vision-Linguistics Coordination Time Sequence-aware News Recommendation [0.0]
  マルチモーダルセマンティクスは、ユーザの時間的および長期的関心の理解を高めるのに有用である。 本研究では,視覚言語による時系列ニュースレコメンデーションを提案する。 また,大規模なマルチモーダルニュースレコメンデーションデータセットV-MINDを構築した。
  論文  参考訳（メタデータ） (2022-10-06T14:27:37Z)
• 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)
• 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)
• 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)
• Deep Dynamic Neural Network to trade-off between Accuracy and Diversity in a News Recommender System [1.3126169294309855]
  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。
  論文  参考訳（メタデータ） (2021-03-15T15:30:25Z)
• NewsBERT: Distilling Pre-trained Language Model for Intelligent News Application [56.1830016521422]
  本稿では,学習済み言語モデルを抽出し,効率的なニュースインテリジェンスを実現するNewsBERTを提案する。 そこで本研究では,教師と学生の共学モデルを協調的に学習するための,教師と学生の共学学習・蒸留の枠組みを設計する。 実験では,NewsBERTはより小さなモデルで,様々なインテリジェントなニュースアプリケーションのモデル性能を効果的に向上させることができる。
  論文  参考訳（メタデータ） (2021-02-09T15:41:12Z)
• 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。