論文の概要: A Hybrid Recommendation Framework for Enhancing User Engagement in Local News

• arxiv url: http://arxiv.org/abs/2508.19539v1
• Date: Wed, 27 Aug 2025 03:27:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.47726
• Title: A Hybrid Recommendation Framework for Enhancing User Engagement in Local News
• Title（参考訳）: 地域ニュースにおけるユーザエンゲージメント向上のためのハイブリッドレコメンデーションフレームワーク
• Authors: Payam Pourashraf, Bamshad Mobasher,
• Abstract要約: グローバルメディアとの競争が激化している中、地元ニュース機関は読者のエンゲージメントを高める緊急の必要性に直面している。 本稿では、地域およびグローバルな嗜好モデルを統合してエンゲージメントを改善するハイブリッドニュースレコメンデータを提案する。
• 参考スコア（独自算出の注目度）: 1.3406858660972552
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Local news organizations face an urgent need to boost reader engagement amid declining circulation and competition from global media. Personalized news recommender systems offer a promising solution by tailoring content to user interests. Yet, conventional approaches often emphasize general preferences and may overlook nuanced or eclectic interests in local news. We propose a hybrid news recommender that integrates local and global preference models to improve engagement. Building on evidence of the value of localized models, our method unifies local and non-local predictors in one framework. The system adaptively combines recommendations from a local model, specialized in region-specific content, and a global model that captures broader preferences. Ensemble strategies and multiphase training balance the two. We evaluated the model on two datasets: a synthetic set based on Syracuse newspaper distributions and a Danish dataset (EB-NeRD) labeled for local and non-local content with an LLM. Results show our integrated approach outperforms single-model baselines in accuracy and coverage, suggesting improved personalization that can drive user engagement. The findings have practical implications for publishers, especially local outlets. By leveraging both community-specific and general user interests, the hybrid recommender can deliver more relevant content, increasing retention and subscriptions. In sum, this work introduces a new direction for recommender systems, bridging local and global models to revitalize local news consumption through scalable, personalized user experiences.
• Abstract（参考訳）: グローバルメディアとの競争が激化している中、地元ニュース機関は読者のエンゲージメントを高める緊急の必要性に直面している。 パーソナライズされたニュースレコメンデータシステムは、コンテンツをユーザの興味に合わせることによって、有望なソリューションを提供する。 しかし、従来のアプローチはしばしば一般の嗜好を強調し、地元のニュースにおけるニュアンスや折衝的な関心を軽視することがある。 本稿では、地域およびグローバルな嗜好モデルを統合してエンゲージメントを改善するハイブリッドニュースレコメンデータを提案する。 本手法は,局所モデルの価値の証明に基づいて,局所的および非局所的予測を一つのフレームワークで統一する。 このシステムは、地域特化コンテンツに特化したローカルモデルからのレコメンデーションと、より広範な嗜好を捉えたグローバルモデルとを適応的に結合する。 アンサンブル戦略とマルチフェーズトレーニングは2つのバランスをとる。 我々は、Syracuseの新聞配信に基づく合成データセットと、LLMを用いたローカルおよび非ローカルコンテンツにラベル付けされたデンマークのデータセット(EB-NeRD)の2つのデータセットでモデルを評価した。 その結果,ユーザエンゲージメントを向上するパーソナライゼーションの改善が示唆された。 この発見は出版社、特に地方出版社に実質的な意味を持つ。 コミュニティ固有の関心事と一般ユーザーの両方を活用することで、ハイブリッドレコメンデーションはより関連性の高いコンテンツを配信し、保持とサブスクリプションを増やすことができる。 まとめると、この研究はリコメンデーターシステムのための新しい方向を導入し、ローカルおよびグローバルなモデルをブリッジして、スケーラブルでパーソナライズされたユーザーエクスペリエンスを通じてローカルニュース消費を再活性化する。

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)
• FedLoGe: Joint Local and Generic Federated Learning under Long-tailed Data [46.29190753993415]
  Federated Long-Tailed Learning (Fed-LT)は、分散化されたローカルクライアントから収集されたデータが、グローバルに普及しているロングテール分布を示すパラダイムである。 本稿では、Fed-LT(FedLoGe)におけるFederated Local and Generic Model Training(FedLoGe)というアプローチを紹介し、ローカルモデルとジェネリックモデルの両方のパフォーマンスを向上させる。
  論文  参考訳（メタデータ） (2024-01-17T05:04:33Z)
• Tunable Soft Prompts are Messengers in Federated Learning [55.924749085481544]
  フェデレートラーニング(FL)は、複数の参加者が分散データソースを使用して機械学習モデルを協調的にトレーニングすることを可能にする。 FLにおけるモデルプライバシ保護の欠如は無視できない課題となっている。 そこで本研究では,ソフトプロンプトによって参加者間の情報交換を実現する新しいFLトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2023-11-12T11:01:10Z)
• Unlocking the Potential of Prompt-Tuning in Bridging Generalized and Personalized Federated Learning [49.72857433721424]
  Vision Transformer (ViT) と Visual Prompt Tuning (VPT) は、様々なコンピュータビジョンタスクの効率を改善して最先端のパフォーマンスを実現する。 本稿では,GFL(Generalized FL)とPFL(Personalized FL)を組み合わせた新しいアルゴリズムSGPTを提案する。
  論文  参考訳（メタデータ） (2023-10-27T17:22:09Z)
• Rethinking Client Drift in Federated Learning: A Logit Perspective [125.35844582366441]
  フェデレートラーニング(FL)は、複数のクライアントが分散した方法で協調的に学習し、プライバシ保護を可能にする。 その結果,局所モデルとグローバルモデルとのロジット差は,モデルが継続的に更新されるにつれて増大することがわかった。 我々はFedCSDと呼ばれる新しいアルゴリズムを提案する。FedCSDは、ローカルモデルとグローバルモデルを調整するためのフェデレーションフレームワークにおけるクラスプロトタイプの類似度蒸留である。
  論文  参考訳（メタデータ） (2023-08-20T04:41:01Z)
• Going Beyond Local: Global Graph-Enhanced Personalized News Recommendations [12.783388192026855]
  本稿では,GLORY(Global-Local News Recommendation sYstem)と呼ばれる新しいモデルを提案する。 我々は、グローバルニュースグラフを含み、ゲートグラフニューラルネットワークを用いてニュース表現を豊かにする、グローバル対応歴史ニュースを構築することで、これを実現する。 我々は,このアプローチをグローバルなエンティティグラフと候補ニュースアグリゲータを利用して,候補ニュース表現を強化するグローバル候補ニュースに拡張する。
  論文  参考訳（メタデータ） (2023-07-13T06:25:22Z)
• Personalized Federated Learning through Local Memorization [10.925242558525683]
  フェデレーション学習により、クライアントはデータをローカルに保ちながら、統計的モデルを協調的に学習することができる。 最近のパーソナライズされた学習方法は、他のクライアントで利用可能な知識を活用しながら、各クライアントに対して別々のモデルを訓練する。 本稿では,この手法が最先端手法よりも精度と公平性を著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-11-17T19:40:07Z)

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。