科研之友
微信
新浪微博
Facebook
分享链接
摘要
新闻推荐方法大多假定用户浏览的新闻之间具有很强的时序依赖关系，但新闻具有更新的快速性及用户阅读的自由性等特点，使时序性建模中可能会引入噪音.为了解决此问题，文中提出基于Transformer与异质图神经网络的新闻推荐模型.采用Transformer从用户近期浏览的新闻中对用户的短期兴趣进行建模，通过异质图神经网络捕捉用户和新闻之间的高阶关系，建模用户长期兴趣和候选新闻的表示.同时，为了自适应调整短期兴趣和长期兴趣在用户建模时的重要性，设计用户长短期兴趣感知的点击预测机制.在真实数据集上的对比实验验证文中模型的有效性.
-
单位电子信息工程学院; 山东科技大学
