論文の概要: DOR: A Novel Dual-Observation-Based Approach for News Recommendation
Systems
- arxiv url: http://arxiv.org/abs/2302.01443v1
- Date: Thu, 2 Feb 2023 22:16:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-06 18:08:35.968347
- Title: DOR: A Novel Dual-Observation-Based Approach for News Recommendation
Systems
- Title（参考訳）: DOR:ニューズレコメンデーションシステムのための2元観測に基づく新しいアプローチ
- Authors: Mengyan Wang, Weihua Li, Jingli Shi, Shiqing Wu and Quan Bai
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.7648976108201815
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Online social media platforms offer access to a vast amount of information,
but sifting through the abundance of news can be overwhelming and tiring for
readers. personalised recommendation algorithms can help users find information
that interests them. However, most existing models rely solely on observations
of user behaviour, such as viewing history, ignoring the connections between
the news and a user's prior knowledge. This can result in a lack of diverse
recommendations for individuals. In this paper, we propose a novel method to
address the complex problem of news recommendation. Our approach is based on
the idea of dual observation, which involves using a deep neural network with
observation mechanisms to identify the main focus of a news article as well as
the focus of the user on the article. This is achieved by taking into account
the user's belief network, which reflects their personal interests and biases.
By considering both the content of the news and the user's perspective, our
approach is able to provide more personalised and accurate recommendations. We
evaluate the performance of our model on real-world datasets and show that our
proposed method outperforms several popular baselines.
- Abstract（参考訳）: オンラインソーシャルメディアプラットフォームは膨大な情報へのアクセスを提供しているが、大量のニュースを流すのは読者にとって圧倒的で疲れる。
パーソナライズドレコメンデーションアルゴリズムは、ユーザーが興味のある情報を見つけるのに役立つ。
しかし、既存のモデルのほとんどは、履歴の閲覧や、ニュースとユーザの事前知識とのつながりを無視するなど、ユーザの振る舞いの観察のみに頼っている。
これにより、個人に対する多様な推奨が欠如する可能性がある。
本稿では,ニュースレコメンデーションの複雑な問題に対処する新しい手法を提案する。
このアプローチは、ニュース記事の主な焦点と記事に対するユーザの焦点を特定するために、観察機構を備えたディープニューラルネットワークを使用するという、二重観察の考え方に基づいている。
これは、個人の関心や偏見を反映したユーザーの信念ネットワークを考慮することで達成される。
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。
本研究では,実世界のデータセットにおけるモデルの性能を評価し,提案手法がいくつかのベースラインを上回ることを示す。
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) - 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) - 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) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳（メタデータ） (2021-11-11T19:40:51Z) - 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) - A Survey on Neural Recommendation: From Collaborative Filtering to
Content and Context Enriched Recommendation [70.69134448863483]
レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。
近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
論文 参考訳（メタデータ） (2021-04-27T08:03:52Z) - 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) - 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) - A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
我々は知識グラフに基づく推薦システムの体系的な調査を行う。
論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。
これらの作業で使用されるデータセットを紹介します。
論文 参考訳（メタデータ） (2020-02-28T02:26:30Z)
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。