論文の概要: Improving News Recommendations through Hybrid Sentiment Modelling and Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2601.02372v1
• Date: Mon, 08 Dec 2025 21:39:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-11 18:48:17.547033
• Title: Improving News Recommendations through Hybrid Sentiment Modelling and Reinforcement Learning
• Title（参考訳）: ハイブリッド感性モデリングと強化学習によるニュースレコメンデーションの改善
• Authors: Eunice Kingenga, Mike Wa Nkongolo,
• Abstract要約: 本研究は、ハイブリッド感情分析と強化学習を統合して、適応的で感情に配慮したニュースレコメンデーションフレームワークを開発する。 BBC Newsデータセットを使用して、VADER、AFINN、TextBlob、SentiWordNetのスコアを組み合わせたハイブリッド感情モデルが、堅牢な記事レベルの感情推定を生成する。 提案システムは、反復的なQ-ラーニング更新を通じて個人化を継続的に改善しつつ、協調した感情プロファイルを持つ記事を効果的に識別し、推奨する。
• 参考スコア（独自算出の注目度）: 0.14323566945483496
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: News recommendation systems rely on automated sentiment analysis to personalise content and enhance user engagement. Conventional approaches often struggle with ambiguity, lexicon inconsistencies, and limited contextual understanding, particularly in multi-source news environments. Existing models typically treat sentiment as a secondary feature, reducing their ability to adapt to users' affective preferences. To address these limitations, this study develops an adaptive, sentiment-aware news recommendation framework by integrating hybrid sentiment analysis with reinforcement learning. Using the BBC News dataset, a hybrid sentiment model combines VADER, AFINN, TextBlob, and SentiWordNet scores to generate robust article-level sentiment estimates. Articles are categorised as positive, negative, or neutral, and these sentiment states are embedded within a Q-learning architecture to guide the agent in learning optimal recommendation policies. The proposed system effectively identifies and recommends articles with aligned emotional profiles while continuously improving personalisation through iterative Q-learning updates. The results demonstrate that coupling hybrid sentiment modelling with reinforcement learning provides a feasible, interpretable, and adaptive approach for user-centred news recommendation.
• Abstract（参考訳）: ニュースレコメンデーションシステムは、コンテンツをパーソナライズし、ユーザのエンゲージメントを高めるために、自動感情分析に頼っている。 従来のアプローチは曖昧さ、語彙の不整合、文脈的理解の制限、特にマルチソースのニュース環境でしばしば苦労する。 既存のモデルは感情を二次的な特徴として扱い、ユーザーの感情的な好みに適応する能力を減らす。 これらの制約に対処するために、ハイブリッド感情分析と強化学習を統合することで、適応的で感情に配慮したニュースレコメンデーションフレームワークを開発する。 BBC Newsデータセットを使用して、VADER、AFINN、TextBlob、SentiWordNetのスコアを組み合わせたハイブリッド感情モデルが、堅牢な記事レベルの感情推定を生成する。 記事は肯定的、否定的、中立的と分類され、これらの感情状態はQラーニングアーキテクチャに埋め込まれ、エージェントが最適な推奨ポリシーを学ぶためのガイドとなる。 提案システムは、反復的なQ-ラーニング更新を通じて個人化を継続的に改善しつつ、協調した感情プロファイルを持つ記事を効果的に識別し、推奨する。 その結果、強化学習とハイブリッド感情モデルを組み合わせることで、ユーザ中心のニュースレコメンデーションを実現することが可能で、解釈可能で適応的なアプローチが得られた。

関連論文リスト

• Learning from Natural Language Feedback for Personalized Question Answering [21.115495457454365]
  パーソナライゼーションは、言語技術の有効性とユーザ満足度を高めるために不可欠である。 大規模言語モデル(LLM)をパーソナライズするための現在のアプローチは、しばしば検索強化世代(RAG)に依存している。 我々は、スカラー報酬を自然言語フィードバック(NLF)に置き換える、パーソナライズされた応答生成のための新しいフレームワークであるVacを紹介する。
  論文  参考訳（メタデータ） (2025-08-14T14:36:53Z)
• Sentiment-Aware Recommendation Systems in E-Commerce: A Review from a Natural Language Processing Perspective [0.0]
  本稿では、自然言語処理の観点から、感情認識レコメンデーションシステムについて包括的にレビューする。 感情分析をeコマースレコメンデータに統合することで、予測精度と説明可能性を高めるメリットを強調している。 主な課題は、ノイズや皮肉なテキストの扱い、動的なユーザの好み、バイアス軽減である。
  論文  参考訳（メタデータ） (2025-05-03T19:36:27Z)
• SymCERE: Symmetric Contrastive Learning for Robust Review-Enhanced Recommendation [2.087411180679868]
  提案するSymCEREは,提案する偽陰性に対処するコントラスト学習手法である。 3つのプラットフォームからの15のデータセットの実験では、SymCEREがいくつかの強力なベースラインを上回っていることが示されている。
  論文  参考訳（メタデータ） (2025-04-03T00:40:09Z)
• Deep Adaptive Interest Network: Personalized Recommendation with Context-Aware Learning [0.3495246564946556]
  本稿では,Deep Adaptive Interest Network(DAIN)と呼ばれる新しいモデルを提案する。 DAINはユーザの興味を動的にモデル化し、コンテキスト認識学習機構を導入し、正確で適応的なパーソナライズされたレコメンデーションを実現する。 いくつかの公開データセットで実施された実験は、DAINが推奨性能と計算効率の両方で優れていることを示した。
  論文  参考訳（メタデータ） (2024-09-04T04:12:22Z)
• CELA: Cost-Efficient Language Model Alignment for CTR Prediction [70.65910069412944]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。 最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。 CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
  論文  参考訳（メタデータ） (2024-05-17T07:43:25Z)
• Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [46.667783153759636]
  強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。 具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
  論文  参考訳（メタデータ） (2024-03-02T20:25:50Z)
• On the Robustness of Aspect-based Sentiment Analysis: Rethinking Model, Data, and Training [109.9218185711916]
  アスペクトベースの感情分析(ABSA)は、ソーシャルメディアのテキストやレビューの背後にある製品やサービスの特定の側面に対して、特定の感情の極性を自動的に推測することを目的としている。 我々は、モデル、データ、トレーニングを含むあらゆる可能な角度からボトルネックを体系的に再考することで、ABSAの堅牢性を高めることを提案する。
  論文  参考訳（メタデータ） (2023-04-19T11:07:43Z)
• Enhancing Dialogue Generation via Multi-Level Contrastive Learning [57.005432249952406]
  質問に対する応答のきめ細かい品質をモデル化するマルチレベルコントラスト学習パラダイムを提案する。 Rank-aware (RC) ネットワークはマルチレベルコントラスト最適化の目的を構築するために設計されている。 本研究では,知識推論(KI)コンポーネントを構築し,学習中の参照からキーワードの知識を抽出し,そのような情報を活用して情報的単語の生成を促す。
  論文  参考訳（メタデータ） (2020-09-19T02:41:04Z)
• Knowledge-guided Deep Reinforcement Learning for Interactive Recommendation [49.32287384774351]
  インタラクティブレコメンデーションは、アイテムとユーザ間の動的インタラクションから学び、応答性と精度を達成することを目的としている。 本稿では,知識指導型深層強化学習を提案する。
  論文  参考訳（メタデータ） (2020-04-17T05:26:47Z)

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。