基于用戶(hù)隱式反饋信號(hào)和多維度興趣的新聞推薦算法

摘要： 用戶(hù)偏好建模是提升個(gè)性化新聞推薦質(zhì)量的關(guān)鍵因素?，F(xiàn)有的研究通常將任務(wù)建模為點(diǎn)擊率預(yù)估任務(wù)，從用戶(hù)的顯式反饋信號(hào)入手，構(gòu)造興趣表征。然而，由于顯式反饋信號(hào)的匱乏以及用戶(hù)興趣的多樣化和多變化，目前的新聞推薦方法往往存在數(shù)據(jù)稀疏和信息繭房的問(wèn)題。提出了一種基于用戶(hù)隱式反饋信號(hào)和多維度興趣的新聞推薦算法。通過(guò)引入用戶(hù)曝光未點(diǎn)擊這類(lèi)隱式反饋信號(hào)，緩解推薦模型建模時(shí)的數(shù)據(jù)稀疏問(wèn)題，提出對(duì)比... （共10頁(yè)）