随着网络新闻的爆炸式增长,个性化的新闻推荐对于网络新闻平台帮助用户发现感兴趣的信息变得越来越重要。现有的新闻推荐方法通过从新闻内容和用户与新闻的直接交互(如点击)中构建精确的新闻表示和用户表示来实现个性化,而忽略了用户与新闻之间的高阶关联。**本文提出了一种新闻推荐方法,通过对用户和新闻之间的关系进行图形化建模,增强用户和新闻之间的表示学习。**在我们的方法中,用户和新闻都被看作是历史用户点击行为构造的二部图中的节点。对于新闻表示,首先利用transformer架构构建新闻语义表示。然后通过一个图注意力网络将其与图中相邻新闻信息相结合。对于用户表示,我们不仅表示来自其历史上单击的新闻的用户,而且还仔细地将其邻居用户的表示合并到图中。在大型真实数据集上的改进性能验证了我们所提方法的有效性。

成为VIP会员查看完整内容
58

相关内容

专知会员服务
53+阅读 · 2019年12月22日
SCENE-一个可扩展两层级新闻推荐系统
全球人工智能
11+阅读 · 2018年1月7日
图上的归纳表示学习
科技创新与创业
22+阅读 · 2017年11月9日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
Arxiv
33+阅读 · 2020年1月2日
VIP会员
相关VIP内容
专知会员服务
53+阅读 · 2019年12月22日
微信扫码咨询专知VIP会员