融合行为交互图的兴趣感知新闻推荐算法

摘要：

个性化新闻推荐的关键是候选新闻和用户兴趣的精准匹配,现有基于顺序模型的方法通过建模行为序列的单向交互仅能捕获单一的用户兴趣,而基于图的方法通常忽略了用户行为序列内部的高阶转换关系.针对上述问题,提出了融合行为交互图的兴趣感知新闻推荐模型,以全局和局部的角度建模用户动态兴趣.该模型结合知识图谱和深度预训练网络以多视图学习方式提取新闻深层语义信息,采用融合上下文位置信息的线性自注意力机制捕获局部用户兴趣.此外,将用户行为序列构建为有向交互图,使用门控图神经网络递归地聚合邻域信息捕获序列间的高阶转换关系,从而挖掘全局用户兴趣.在2 个公开数据集上的实验结果表明,本文提出的模型在各个指标上均优于基线模型,并且有效提高了新闻推荐效果.

关键词：个性化新闻推荐、用户动态兴趣、知识图谱、有向交互图、门控图神经网络

所属期刊栏目：33

分类号：TP301.6;TP181;F713.36

资助基金：浙江省公益技术应用研究计划资助项目2017C33001

在线出版日期：2023-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：379-389