论文笔记二 Positive, Negative and Neutral: Modeling Implicit Feedback inSession-based News Recommendatio。
目录
一 论文简介
论文名称 ：Positive, Negative and Neutral: Modeling Implicit Feedback in
中文名称：积极、消极和中立：在基于会话的新闻推荐中建模的隐式反馈
作者： Shansan Gong 和 Kenny Q. Zhu
二 ABSTRACT（摘要）
三 INTRODUCTION（介绍）
3.1 当前新闻推荐的方法和作者提出的背景
3.2 作者的提出的创意
3.3 任务的内容
3.4 Notations and descriptions （符号和说明）
四 模型框架
4.1 Session-based Recommendation Basics（基于会话的推荐基础）
4.2 我们的基本模型：内容感知推荐(CAR)
4.3 建模时间为中性反馈
4.4 建模积极反馈
4.5 建模负反馈
五 实验部分（这部分内容较多后续在写）
六 结论
原文代码链接：
一 论文简介
论文名称 ：Positive, Negative and Neutral: Modeling Implicit Feedback in
中文名称：积极、消极和中立：在基于会话的新闻推荐中建模的隐式反馈
作者： Shansan Gong 和 Kenny Q. Zhu
二 ABSTRACT（摘要）
对于许多新闻门户来说，对匿名读者的新闻推荐是一项有用但具有挑战性的任务，在这些新闻门户中，读者和文章之间的交互被限制在一个临时登录会话内。之前的工作倾向于将基于会话的推荐制定为下一个项目预测任务，而他们忽略了来自用户行为的内隐式反馈，这表明了用户真正喜欢或不喜欢什么。因此，我们提出了一个全面的框架，通过积极反馈（即他们花更多时间写的文章）和负面反馈（即他们选择跳过的文章）来建模用户行为。此外，该框架隐式地使用用户的会话开始时间，以及文章的初始发布时间对用户进行建模，我们称之为“中立反馈”。对三个真实世界的新闻数据集的经验评估显示，与其他最先进的基于会话的推荐方法相比，该框架具有更准确、多样化甚至意想不到的推荐性能。
总结：新闻方面的浏览，读者往往采用匿名登录的方式，因此就构建推荐系统而言很难得到 用户的信息，读者和文章之间的交互往往被限制在一个临时登录会话内，因此对于新闻而言，我们常用会话推荐。传统会话推荐，往往忽略了用户行为的隐式反馈，本文构建了一个新的框架，即通过积极反馈，负面反馈，中立反馈进行建模。
三 INTRODUCTION（介绍）
3.1 当前新闻推荐的方法和作者提出的背景
正如摘要所讲的那样，由于在线新闻阅读中，用户的匿名性和用户与文章交互会话的短暂性，系统很难理解用户的行为而进行推荐。传统的新闻推荐方法倾向于将推荐任务制定为CTR预测任务，要求系统跟踪用户历史，不能应用于匿名访问或客人登录。要求系统跟踪用户历史，不能应用于匿名访问或客人登录。新闻推荐神经方法主要关注于编码具有注意机制的文章的文本特征，在建模用户的兴趣时，而很少关注点击行为或文章到文章的转换。我们可以看到以上方法都存在不足。
考虑到上述问题，将面向匿名用户的类流媒体新闻推荐任务作为一个基于会话的推荐任务是很自然和现实的。任务是根据会话中之前的行为序列，推荐用户可能感兴趣的下一个项，其中会话通常是用户登录的短时间（例如，30分钟）。基于会话的推荐在电子商务或视频流领域中得到了广泛的应用，可以成功地捕获用户的短期意图过渡过程。然而，他们很少考虑来自用户行为的隐式反馈。
3.2 作者的提出的创意
在本文中，作者感兴趣的是利用点击本身之外的用户操作。我们称之为“隐式反馈”1，典型的隐式反馈可以从浏览主页、阅读一篇文章、关闭一篇文章、回溯等过程中提取出来。作者认为，在基于会话的推荐系统中“显式地”建模这种隐式反馈，可以帮助推荐者更好地理解用户的意图。在这项工作中，我们专注于回答这些问题： 1.如果一个用户点击了一篇文章，她真的喜欢它吗 ？ 2.如果一个用户没有点击一篇文章，她不喜欢它吗 ？ 3.我们如何建模系统中的用户和文章的时间特征 ？
隐式正反馈：新闻阅读标题可能出现欺骗性，点击了不一定喜欢，作者采用用户阅读一篇文章的 时长作为正反馈，去表示用户对于文章喜爱程度。 隐式负反馈：用户没有点击一篇文章并不一定意味着用户不喜欢，只有那些在她的浏览列表中没 有被点击的文章才被她认为“不感兴趣”。这被称为隐性负反馈。 隐式中性反馈：一些关键的时间信息对单独为用户和文章建模是有用的，因此，我们仔细地将会 话开始时间和文章发布时间表示为隐含的中性反馈。
图1：在基于会话的新闻阅读中，用户可能会花不同的时间在不同点击的文章上，以隐含的积极反馈形式表示不同程度的偏好；用户对文章的印象代表了一种隐含的负面反馈；文章点击开始时间和发布时间可以视为中性反馈。
3.3 任务的内容
推荐系统的目标是将用户反馈序列建模为向量xs，最大化预测的下一篇文章（
论文笔记-Vanilla Transformer:Character-Level Language Modeling with Deeper Self-Attention 1. 介绍 2. Chara ... 声明 不定期更新自己精度论文,通俗易懂,初级小白也可以理解 涉及范围:深度学习方向,包括 CV.NLP.Data Fusion.Digital Twin 论文标题:D2A U-Net: Automat ... BPR: Bayesian Personalized Ranking from Implicit Feedback 论文链接:https://arxiv.org/abs/1205.2618 Abstr ... Rendle S, Freudenthaler C, Gantner Z, et al. BPR: Bayesian personalized ranking from implicit feedba ... 论文通过将物体建模成一个物体中心点,使用关键点估计网络来预测物体中心并回归一系列物体属性(长宽高等等).并且相比于基于anchor的物体检测器,CenterNet 更简单.更快.更准确. 网络的整个运 ... RippleNet | Propagating User Preferences on the Knowledge 类别:联合学习 将知识图谱特征学习和推荐算法的目标函数结合,使用端到端(end-to ... Image Blind Denoising With Generative Adversarial Network Based Noise Modeling 引言 相关工作 基于GAN-CNN的盲去噪 ... 文章目录 1 摘要 2 介绍 3 问题定义 3.1 社会化推荐中的隐式关系 3.1.1 隐式用户关系 3.1.2 隐式物品关系 3.2 用于社会化推荐的元路径 3.3 元路径引导的图注意力网络 3.4 ... 背景 现有的对抗性领域自适应方法要么学习单个领域鉴别器来对齐全局源和目标分布,要么关注基于多个鉴别器的子域对齐.然而,在实际应用中,域之间的边际(全局)分布和条件(局部)分布对适应的贡献往往不同.在本 ...论文笔记二 Positive, Negative and Neutral: Modeling Implicit Feedback inSession-based News Recommendatio。相关推荐
最新文章
热门文章