23、多级别多兴趣用户兴趣建模在新闻推荐中的应用

多级别多兴趣用户兴趣建模在新闻推荐中的应用

1. 背景与问题提出

随着互联网技术的发展，在线新闻平台成为用户获取新闻信息的重要途径。然而，新闻数量的快速增长让用户难以挑选感兴趣的新闻，因此个性化新闻推荐技术应运而生，它能有效缓解信息过载问题，提升用户阅读体验。

现有的个性化新闻推荐方法通常以新闻数据作为最小兴趣建模单元，为每个用户学习单一的兴趣向量。但用户的兴趣具有多样性和多粒度的特点。例如，一个用户可能同时对体育、电影、金融等领域感兴趣；在体育领域，可能对足球有特定兴趣；在足球领域，又可能更关注“乌鸦队”的相关新闻。所以，对用户兴趣进行多粒度建模至关重要。

2. 相关工作

• 传统推荐技术 ：传统的个性化新闻推荐技术主要基于特征工程，需要大量的领域专业知识和手动特征选择，耗时且未充分考虑新闻文本中的丰富语义信息。
• 深度学习推荐方法 ：近年来，基于深度学习的新闻推荐方法取得了较好的推荐效果，但这些方法仍以新闻数据为最小兴趣建模单元，仅为每个用户学习单一的表示向量，不足以全面建模用户的多样化兴趣。

3. MMRN 方法介绍

为了准确捕捉用户多样化和多粒度的兴趣，我们提出了一种结合多级别和多兴趣用户兴趣建模的新闻推荐方法——MMRN。该方法主要由五个组件构成：新闻编码器、词级用户兴趣编码器、新闻级用户兴趣编码器、高级用户兴趣编码器和点击预测器。

3.1 问题定义

给定候选新闻 $n_c$ 和用户 $u$，模型的目标是计算用户 $u$ 对该候选新闻的兴趣