主要参考：《DKN: Deep Knowledge-Aware Network for News Recommendation》

新闻推荐的特点

与传统电影推荐、商品推荐不同，新闻推荐面临独特的挑战。

1.新闻时效性和用户冷启动问题

先看下面这两张图，第一张图展示了新闻的生命周期分布情况，可以看出大多数新闻的生命周期只有一条，可能只有极少的爆炸性新闻能拥有好几天的生命周期；第二张展示了一个用户点击新闻的数量分布情况，可以看出大多数用户都只会点击1~6条新闻，产生的原因可能是浏览新闻大多是不需要登录的，用户每次都被当成一个新的用户，所以新闻推荐常常处理为会话（session-based）推荐。

因此，传统的基于用户ID（即基于用户的历史记录）的方法，如协同过滤，就不再适用。

2. 用户兴趣的话题敏感性（topic-sensitive）

用户往往只对某些特定领域的新闻感兴趣，这点与电影推荐类似。而且用户的兴趣还可能是会发生变化的，所以如何动态地获取用户的兴趣是一大挑战。

3.新闻语言的复杂性

新闻的语言往往是高度浓缩的，而且包含大量的常识。即新闻的语义特征隐含在不同粒度的字里行间。用论文中的例子来说明：

假设用户阅读了新闻：“Boris Johnson Has Warned Donald Trump To Stick To The Iran Nuclear Deal”，按照实体间的联系（或者人大脑的联想），比如Boris Johnson和Donald Trump都是Politician（政客），可以联想到Congress（议会），同时Nuclear（核武器）属于武器（Weapon），可以联想到另一种武器EMP（电磁脉冲）…

通过这些联想，我们可以猜想该用户也可能喜欢“North Korean EMP Attack Would Cause Mass U.S. Starvation, Says Congressional Report”这条新闻。

但是传统的基于词表面意思，根据字符级别的相似度等来做推荐的方法，显然是无法达到这种联想效果的。

DKN

1. DKN的整体框架

DKN，全称Deep Knowledge-Aware Network，是一个基于内容的深度推荐框架。因为是基于内容的，所以可以解决挑战1；而且采用了知识图谱，可以捕获更细粒度的隐藏信息，所以可以解决挑战3；至于挑战2，作者采用了Attention机制，聚合了点击历史新闻信息，从中捕获用户兴趣，解决了挑战2。整体框架如下图所示：

输入为一条候选新闻和用户的点击历史，输出是用户对候选新闻的点击率，最后对所有候选新闻进行降序排序，推荐topK条给用户。

2. DKN的流程

1）将每条新闻的题目（也可以是摘要）中的每个词分别表示为一个嵌入（word embedding）；

2）同时在知识图谱中找到这些词对应的实体，以及这些实体的一阶邻居实体（成为context，用于获取更丰富的信息，不然实体数量太少了），通过transD学习这些实体的嵌入（entity embedding和context embedding）；

3）将这些嵌入对齐，词嵌入跟相应的实体嵌入对齐，同时也跟上下文嵌入（有多个上下文嵌入时，作平均，化为一个嵌入）；

4）将三种嵌入经过一个变换，映射到同一个空间，然后堆叠起来，做CNN，得到一个向量作为新闻的最终嵌入；

5）将每个用户点击历史的每条新闻和候选新闻的最终嵌入拼接起来，通过Attention网络计算历史新闻的权重；

6）根据点击历史的每条新闻最终嵌入的加权求和得到用户嵌入（user embedding）；

7）最后将用户嵌入和候选新闻的最终嵌入拼接起来输入DNN得到点击概率。

3. DKN的核心

DKN最核心的部分是KCNN（即流程中的第4歩），其是有Kim CNN扩展而来，具有两个特点：1）多通道。将词嵌入、实体嵌入和上下文嵌入堆叠起来，类比于彩色图像上的多通道卷积；2）词和实体是对齐的。同时为了二者嵌入空间的差异，应用了一个变化，将它们映射到同一空间。

文献链接

1.《DKN: Deep Knowledge-Aware Network for News Recommendation》

希望我的文章可以给你们的工作或者学习带来一丝灵感，共勉～

新闻推荐--从DKN出发相关推荐

（七）DKN:用于新闻推荐的深度知识感知网络
摘要: 背景: 新闻语言是高度浓缩的,充满了知识实体和常识.然而,现有的方法并没有意识到一些外在的知识,也不能充分发现新闻之间潜在的知识层面的联系.因此,推荐给用户的结果仅限于简单的模式,不能进行合理 ...
微软提出基于知识图谱的深度神经网络DKN用于新闻推荐
DKN: Deep Knowledge-Aware Network for News Recommendation Hongwei Wang, Fuzheng Zhang, Xing Xie, Min ...
论文浅尝 | DKN: 面向新闻推荐的深度知识感知网络
笔记整理:仲亮靓,东南大学硕士研究生,研究方向是基于知识图谱的推荐系统动机新闻文本的语言非常凝练,其中包含了很多实体和常识知识.但目前的新闻个性化推荐方法都没有利用这些外部知识,也没有使用新闻之间 ...
微软新闻推荐：深度学习与 NLP 的融合，让 Windows 11“新闻与兴趣”知你所需...
猜你喜欢 0.[免费下载]2021年12月热门报告盘点1.如何搭建一套个性化推荐系统?2.快手推荐系统精排模型实践.pdf3.全民K歌推荐系统算法.架构及后台实现4.微博推荐算法实践与机器学习平台演进 ...
【推荐论文】基于多视角学习和个性化注意力机制的新闻推荐（附论文下载链接）...
编者按:个性化新闻推荐是新闻行业必然的发展方向,在其实现过程中面临着三个关键问题,即分析用户兴趣.根据新闻内容建模和新闻排序.本文将这三个问题划归为新闻信息与用户兴趣的多样性问题,并由此出发,提出了基 ...
基于多视角学习和个性化注意力机制的新闻推荐（附论文下载链接）
编者按:个性化新闻推荐是新闻行业必然的发展方向,在其实现过程中面临着三个关键问题,即分析用户兴趣.根据新闻内容建模和新闻排序.本文将这三个问题划归为新闻信息与用户兴趣的多样性问题,并由此出发,提出了基 ...
一些基于新闻表示和用户表示的新闻推荐模型总结：NPA/ NAML/ LSTUR/ NRMS
前言上上上次组会研一学长汇报了一篇数据集文章:MIND: A Large-scale Dataset for News Recommendation,是微软为新闻推荐而发布的一个数据集.在听汇报时我 ...
基于用户点击偏好和阅读满意度的个性化新闻推荐技术
点击蓝字关注我们 AI TIME欢迎每一位AI爱好者的加入! 建模用户的兴趣对于进行精准的新闻推荐至关重要.现有新闻推荐方法通常会根据用户的点击行为来推断其兴趣.但是,用户点击感兴趣的新闻标题后,可 ...
一种基于知识图谱的新闻推荐模型
本篇博客参考了2018年WWW会议的paper<DKN: Deep Knowledge-Aware Network for News Recommendation>,即一种引入知识图谱的新 ...

新闻推荐--从DKN出发