期刊专题

10.11896/jsjkx.210400173

增强列表信息和用户兴趣的个性化新闻推荐算法

引用
随着数据信息的不断扩增,点对点推荐模型作为深度学习中常用的推荐算法,能一定程度上解决信息过载的问题.但其仅通过单个用户与单个新闻预测得分,未利用新闻列表之间的交互信息.为了提升个性化推荐的质量,如何充分利用用户的历史信息、新闻的文本语义信息和列表信息等,以精准全面地表征用户和新闻是当前新闻推荐系统亟待解决的问题.对此,提出了一种增强列表信息和用户兴趣的新闻个性化推荐算法.利用用户历史点击新闻序列与新闻数据训练点对点模型进行特征构造,实现用户兴趣的个性化信息抽取,通过注意力网络处理用户与整个新闻列表特征来增强列表信息,实现直接对全局列表的推荐排序.实验结果表明,此种增强列表信息和用户兴趣的个性化推荐算法能够建模全局列表信息,与前沿的新闻推荐算法相比效果有显著提升.

推荐算法、列表排序算法、注意力网络、用户个性化、新闻推荐

49

TP183(自动化基础理论)

四川省科技计划项目2018GFW0198

2022-06-24(万方平台首次上网日期,不代表论文的发表时间)

共7页

142-148

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

49

2022,49(6)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn