原文服务方: 计算技术与自动化       
摘要:
传统的新闻推荐用户建模方法难以深入解析新闻的复杂语义和用户的真实需求,为此提出了一种知识增强的新闻建模方法,通过实体表示层、上下文嵌入层和注意力聚合层获取新闻文档表示。在此基础上提出了一种基于知识增强文档的细粒度用户建模方法,利用长文档建模技术将知识增强的新闻文档串联成长文档,通过捕获文档间的词级交互行为得到细粒度用户表示;通过捕获文档内的实体交互行为得到粗粒度用户表示,粗粒度的用户表示和细粒度的用户表示聚合得到最终的用户表示。实验结果显示,提出的新闻建模方法在AUC和NDCG@10指标上优于基线模型,基于此方法的用户建模方法在AUC上至少提升2.51%,在NDCG@10上至少提升4.75%。
推荐文章
基于潜在标签挖掘和细粒度偏好的个性化标签推荐
个性化标签推荐
潜在标签挖掘
贝叶斯个性化排序
成对交互张量分解
基于用户关注度的个性化新闻推荐系统
个性化推荐
协作型过滤
用户关注度
推荐算法
基于潜在标签挖掘和细粒度偏好的个性化标签推荐
个性化标签推荐
潜在标签挖掘
贝叶斯个性化排序
成对交互张量分解
基于用户的细粒度可控群体感知模型
CSCW
事件处理
授权
订阅
群体感知
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于知识增强的细粒度个性化新闻推荐用户建模
来源期刊 计算技术与自动化 学科 工学
关键词 新闻建模;用户建模;知识图谱;细粒度;个性化新闻推荐
年,卷(期) 2025,(4) 所属期刊栏目
研究方向 页码范围 161-166
页数 6页 分类号
字数 语种 中文
DOI 10.16339/j.cnki.jsjsyzdh.202404026
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2025(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
新闻建模;用户建模;知识图谱;细粒度;个性化新闻推荐
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算技术与自动化
季刊
1003-6199
43-1138/TP
16开
1982-01-01
chi
出版文献量(篇)
2979
总下载数(次)
0
总被引数(次)
14675
论文1v1指导