【博士论文】CHAMELEON:新闻推荐系统的深度学习元架构，187页pdf，CHAMELEON: A Deep Learning Meta-Architecture for News Recommender Systems [Phd. Thesis]

题目

CHAMELEON:新闻推荐系统的深度学习元架构，187页pdf，CHAMELEON: A Deep Learning Meta-Architecture for News Recommender Systems [Phd. Thesis]

关键字

推荐系统，元学习，深度学习，框架，新闻推荐

简介

推荐系统（RS）已经成为一个热门的研究课题，自2016年以来，深度学习的方法和技术在该领域得到了越来越多的探索。新闻搜索旨在个性化用户体验，帮助他们从一个巨大的动态搜索空间中发现相关文章。这项研究的主要贡献被命名为CHAMELEON，这是一个深度学习的元架构，旨在应对新闻推荐的具体挑战。它由一个模块化的参考体系结构组成，可以使用不同的神经构建块进行实例化。由于用户过去的交互信息在新闻领域是稀缺的，因此可以利用用户上下文来处理用户冷启动问题。文章的内容对于解决项目冷启动问题也很重要。此外，在新闻领域，项目（文章）相关性的时间衰减也非常快。此外，外部突发事件可能会暂时吸引全球读者的注意力，这一现象在机器学习中被称为概念漂移。所有这些特征都是在本研究的基础上，使用基于上下文混合会话的递归神经网络推荐方法来显式建模的。本文研究的任务是基于会话的新闻推荐，即仅使用当前用户会话中可用的信息进行下一次点击预测。提出了一种对该任务进行实时离线评估的方法，即重放用户点击流和在新闻门户中连续发布的新鲜文章。在两个大型数据集上进行的实验表明，与其他传统的和最新的基于会话的推荐算法相比，CHAMELEON在准确性、项目覆盖率、新颖性和减少项目冷启动问题等许多质量因素上都能有效地进行新闻推荐。

作者

Gabriel de Souza Pereira Moreira