論文の概要: CROWN: A Novel Approach to Comprehending Users' Preferences for Accurate Personalized News Recommendation

• arxiv url: http://arxiv.org/abs/2310.09401v2
• Date: Sun, 11 Feb 2024 03:38:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-13 22:09:01.823697
• Title: CROWN: A Novel Approach to Comprehending Users' Preferences for Accurate Personalized News Recommendation
• Title（参考訳）: CROWN: 正確なパーソナライズされたニュースレコメンデーションのためのユーザの選好を補完する新しいアプローチ
• Authors: Yunyong Ko, Seongeun Ryu, Sang-Wook Kim
• Abstract要約: カテゴリー誘導意図のゆがみを利用した新しいパーソナライズされたニュースレコメンデーションフレームワーク(CROWN)を提案する。 CROWNは10の最先端のニュースレコメンデーションメソッドに対して一貫したパフォーマンス改善を提供する。
• 参考スコア（独自算出の注目度）: 19.219436360758582
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personalized news recommendation aims to assist users in finding news articles that align with their interests, which plays a pivotal role in mitigating users' information overload problem. Although many recent works have been studied for better personalized news recommendation, the following challenges should be explored more: (C1) Comprehending manifold intents coupled within a news article, (C2) Differentiating varying post-read preferences of news articles, and (C3) Addressing the cold-start user problem. To tackle the aforementioned challenges together, in this paper, we propose a novel personalized news recommendation framework (CROWN) that employs (1) category-guided intent disentanglement for (C1), (2) consistency-based news representation for (C2), and (3) GNN-enhanced hybrid user representation for (C3). Furthermore, we incorporate a category prediction into the training process of CROWN as an auxiliary task, which provides supplementary supervisory signals to enhance intent disentanglement. Extensive experiments on two real-world datasets reveal that (1) CROWN provides consistent performance improvements over ten state-of-the-art news recommendation methods and (2) the proposed strategies significantly improve the accuracy of CROWN.
• Abstract（参考訳）: パーソナライズされたニュースレコメンデーションは、ユーザーの情報過負荷の軽減に重要な役割を果たしているニュース記事の発見を支援することを目的としている。 パーソナライズされたニュースレコメンデーションを改善するために,近年多くの研究が進められているが, (C1) ニュース記事内で結合された多様体の意図を補完すること, (C2) ニュース記事の読み方の違いを区別すること, (C3) コールドスタートユーザ問題に対処すること,といった課題が検討されている。 本稿では,(1)カテゴリー誘導意図のゆがみ(C1),(2)一貫性に基づくニュース表現(C2),(3)GNNによるハイブリッドユーザ表現(C3)を活用する,新しいパーソナライズされたニュースレコメンデーションフレームワーク(CROWN)を提案する。 さらに, クラウンの訓練過程にカテゴリー予測を組み込んだ補助課題として, 意図の絡み合いを高めるための補助的監督信号を提供する。 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り,(1)CROWNは10件の最先端ニュースレコメンデーション手法よりも一貫した性能向上を実現し,(2)提案手法はCROWNの精度を著しく向上させることがわかった。

関連論文リスト

• 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)
• 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)
• Meta Policy Learning for Cold-Start Conversational Recommendation [71.13044166814186]
  メタ強化学習を用いて冷間開始ユーザを対象としたCRSポリシー学習について検討する。 政策適応を容易にするために,3つの相乗成分を設計する。
  論文  参考訳（メタデータ） (2022-05-24T05:06:52Z)
• 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)
• Learning to Learn a Cold-start Sequential Recommender [70.5692886883067]
  コールドスタート勧告は、現代のオンラインアプリケーションにおいて緊急の問題である。 メタ学習に基づくコールドスタートシーケンシャルレコメンデーションフレームワークMetaCSRを提案する。 MetaCSRは、通常のユーザの行動から共通のパターンを学ぶ能力を持っている。
  論文  参考訳（メタデータ） (2021-10-18T08:11:24Z)
• 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 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)
• Towards Topic-Guided Conversational Recommender System [80.3725246715938]
  textbfTG-ReDial(textbfTopic-textbfGuided textbfDialogによるtextbfRecommendation)という新しいCRSデータセットをコントリビュートする。 本稿では,話題誘導型会話レコメンデーションの課題を提示し,この課題に対する効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-08T17:04:30Z)
• Leveraging Historical Interaction Data for Improving Conversational Recommender System [105.90963882850265]
  アイテムと属性に基づく嗜好シーケンスを統合するための,新しい事前学習手法を提案する。 実世界の2つのデータセットの実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-19T03:43:50Z)
• 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。