新闻推荐与注意力机制

Feb, 2024

News Recommendation with Attention Mechanism

Tianrui Liu, Changxin Xu, Yuxin Qiao, Chufeng Jiang, Weisheng Chen

TL;DR本研究探讨新闻推荐领域，即在线信息共享的重要组成部分。首先，我们提供了一个清晰的新闻推荐介绍，定义了核心问题并总结了目前的方法和最新算法。然后，我们介绍了我们实现的基于注意机制的新闻推荐方法 ——NRAM，并评估其有效性。我们的评估结果表明，NRAM 有潜力显著改善数字新闻平台上用户个性化新闻内容的方式。

Abstract

This paper explores the area of news recommendation, a key component of online information sharing. Initially, we provide a clear introduction to news recommendation, defining the core problem and summarizing cur

news recommendation online information sharing nram attention mechanism personalized news content

发现论文，激发创造

NPA: 个性化关注的神经新闻推荐

本研究提出了一种基于个性化注意力的神经新闻推荐模型，其中使用了卷积神经网络进行新闻表示建模并使用个性化注意力机制对用户建模，同时在一个真实世界的新闻推荐数据集上进行了广泛实验以验证模型的有效性。

Jul, 2019

具有注意力多视图学习的神经新闻推荐

提出了一种基于神经网络的新闻推荐方法，通过利用新闻的多种信息并采用注意力机制实现对新闻和用户的有效表示学习，成功提高了新闻推荐的准确性。

Jul, 2019

带有候选集感知用户建模的新闻推荐

提出候选感知的用户建模方法，结合候选新闻进行模型训练，以提高个性化新闻推荐的效率。实验表明该方法有效提升了新闻推荐性能。

Apr, 2022

质量感知新闻推荐

本文提出了一种可以有效提高推荐新闻的质量的质量感知型新闻推荐方法 QualityRec，采用基于用户阅读停留时间分布的新闻质量评估方法，并设计内容质量注意力网络将新闻质量信息融入用户兴趣建模，训练辅助的新闻质量预测任务来学习质量感知型的推荐模型，并添加推荐质量正则化的损失来鼓励模型推荐更高质量的新闻，通过在两个真实数据集上进行的实验表明 QualityRec 可以有效提高推荐新闻的整体质量，并减少对低质量新闻的推荐。

Feb, 2022

个性化新闻推荐：方法与挑战

本文全面总结了个性化新闻推荐的技术与挑战，阐述了解决每个核心问题的技术及其所面临的挑战，介绍了公开数据集和评估方法，讨论了提高个性化新闻推荐系统的责任感的关键点，提出了值得进一步研究的几个方向，以期帮助读者全面了解该领域。

Jun, 2021

知识感知交互匹配的个性化新闻推荐

本文提出了一种知识感知的交互匹配方法，通过使用知识图谱来捕获语义和实体之间的相关性，同时设计了新闻协同编码器和用户新闻协同编码器来学习正文新闻和候选新闻的表征以及用户兴趣的表征，从而有效提高了新闻推荐的性能。

Apr, 2021

一种新的关注视角：基于双层注意力的可解释主题建模用于新闻分类

本文提出了一个新的深度学习框架，利用两级注意力体系结构来解决模型可解释性的问题，并在新闻文章分类任务中进行了实验，结果显示该模型在可解释性能力方面具有适当性并且与许多现有模型相比性能有竞争力。

Mar, 2022

神经注意力基于会话的推荐

研究了如何在短时间内从用户的行为进行推荐，提出了一种新型的神经网络框架 NARM，通过注意力机制解决了仅利用当前会话中用户的顺序行为进行推荐的问题，同时结合用户当前会话中的主要目的，成功地提高了推荐算法的准确率和效率。

Nov, 2017

DOR: 一种基于双观察的新闻推荐系统方法

该研究提出了一种基于双重观察方法的新闻推荐算法，结合了用户对新闻的兴趣和偏见以及新闻文章的内容，通过深度神经网络识别新闻文章的主要焦点和用户对文章的关注点来提供更加个性化、准确的推荐。

Feb, 2023

用于提升机器理解口语内容的分层注意力模型

提出了一项新的任务 —— 自动理解口语内容，本文通过构造多层注意力机制的分层注意力模型（HAM）来提高自动理解口语内容任务的表现，并且通过考虑树状结构而不是顺序结构的表示方法，使得模型对 ASR 错误更加鲁棒。

Aug, 2016