論文の概要: Personalized News Recommendation with Multi-granularity Candidate-aware User Modeling
- arxiv url: http://arxiv.org/abs/2504.14130v1
- Date: Sat, 19 Apr 2025 01:14:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-30 04:54:01.78674
- Title: Personalized News Recommendation with Multi-granularity Candidate-aware User Modeling
- Title（参考訳）: 多粒度候補を考慮したパーソナライズされたニュースレコメンデーション
- Authors: Qiang Li, Xinze Lin, Shenghao Lv, Faliang Huang, Xiangju Li,
- Abstract要約: 本研究では,マルチグラニュラリティ候補を考慮したユーザモデリングフレームワークを提案する。
候補ニュースエンコーディングとユーザモデリングの2つの主要コンポーネントで構成されている。
実世界のデータセットの実験では、提案モデルがベースラインモデルを大幅に上回ることを示した。
- 参考スコア（独自算出の注目度）: 6.0674653824284475
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Matching candidate news with user interests is crucial for personalized news recommendations. Most existing methods can represent a user's reading interests through a single profile based on clicked news, which may not fully capture the diversity of user interests. Although some approaches incorporate candidate news or topic information, they remain insufficient because they neglect the multi-granularity relatedness between candidate news and user interests. To address this, this study proposed a multi-granularity candidate-aware user modeling framework that integrated user interest features across various levels of granularity. It consisted of two main components: candidate news encoding and user modeling. A news textual information extractor and a knowledge-enhanced entity information extractor can capture candidate news features, and word-level, entity-level, and news-level candidate-aware mechanisms can provide a comprehensive representation of user interests. Extensive experiments on a real-world dataset demonstrated that the proposed model could significantly outperform baseline models.
- Abstract（参考訳）: 候補者のニュースとユーザーの興味を合わせることは、パーソナライズされたニュースレコメンデーションにとって不可欠である。
既存のほとんどの方法は、クリックしたニュースに基づいた単一のプロファイルを通じて、ユーザの読書興味を表現できるが、これはユーザーの興味の多様性を完全には捉えない。
候補ニュースや話題情報を取り入れるアプローチもあるが、候補ニュースとユーザ関心の多角的関連性を無視しているため、不十分なままである。
そこで本研究では,様々なレベルの粒度にまたがってユーザ関心機能を統合したマルチグラニュラリティ候補型ユーザモデリングフレームワークを提案する。
候補ニュースエンコーディングとユーザモデリングの2つの主要コンポーネントで構成されている。
ニューステキスト情報抽出装置と知識強化エンティティ情報抽出装置は、候補ニュース特徴を捕捉することができ、単語レベル、エンティティレベル、ニュースレベル候補認識機構は、ユーザの興味を包括的に表現することができる。
実世界のデータセットに対する大規模な実験により、提案モデルがベースラインモデルを大幅に上回ることを示した。
関連論文リスト
- LLM-assisted Explicit and Implicit Multi-interest Learning Framework for Sequential Recommendation [50.98046887582194]
本研究では,ユーザの興味を2つのレベル – 行動と意味論 – でモデル化する,明示的で暗黙的な多目的学習フレームワークを提案する。
提案するEIMFフレームワークは,小型モデルとLLMを効果的に組み合わせ,多目的モデリングの精度を向上させる。
論文 参考訳（メタデータ） (2024-11-14T13:00:23Z) - 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) - Personalized Topic Selection Model for Topic-Grounded Dialogue [24.74527189182273]
現在のモデルは、ユーザに興味がなく、文脈的に無関係なトピックを予測する傾向があります。
我々はtextbfTopic-grounded textbfDialogue のための textbfPersonalized topic stextbfElection model を提案する。
提案手法は,多種多様な応答を生成でき,最先端のベースラインを達成できる。
論文 参考訳（メタデータ） (2024-06-04T06:09:49Z) - From Text to Context: An Entailment Approach for News Stakeholder Classification [0.5459032912385802]
本稿では,新聞記事の利害関係者のタイプを分類するための効果的なアプローチを提案する。
提案手法では,利害関係者の分類問題を自然言語推論タスクに変換する。
提案モデルでは、ゼロショット設定で有効性を示し、その適用性を様々なニュースコンテキストに拡張する。
論文 参考訳（メタデータ） (2024-05-14T16:35:21Z) - Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential
Recommendations [50.03560306423678]
本稿では,レコメンダシステムのための適応型マルチラウンド検索パラダイムであるAda-Retrievalを提案する。
Ada-Retrievalは、ユーザー表現を反復的に洗練し、全項目領域の潜在的な候補をよりよく捉えます。
論文 参考訳（メタデータ） (2024-01-12T15:26:40Z) - 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) - 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) - 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) - Like Article, Like Audience: Enforcing Multimodal Correlations for
Disinformation Detection [20.394457328537975]
ユーザ生成コンテンツとユーザ共有コンテンツの相関を利用して、オンラインニュース記事の偽情報を検出する。
偽情報検出のためのマルチモーダル学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2021-08-31T14:50:16Z) - VMSMO: Learning to Generate Multimodal Summary for Video-based News
Articles [63.32111010686954]
マルチモーダル出力(VMSMO)を用いたビデオベースマルチモーダル要約の課題を提案する。
このタスクの主な課題は、ビデオの時間的依存性と記事の意味を共同でモデル化することである。
本稿では,デュアルインタラクションモジュールとマルチモーダルジェネレータからなるDual-Interaction-based Multimodal Summarizer (DIMS)を提案する。
論文 参考訳（メタデータ） (2020-10-12T02:19:16Z)
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。