Recomendar artículos de noticias a usuarios anónimos es una tarea común pero desafiante. En los últimos años, varios estudios se han centrado en la recomendación personalizada basada en los múltiples intereses del usuario en escenarios de sesión anónima. Sin embargo, estos estudios no aprovechan información temporal importante dentro de las sesiones al modelar los múltiples intereses del usuario, como la duración de la navegación del usuario y el tiempo de publicación de las noticias. Para abordar este problema, proponemos una red de múltiples intereses destacada por el tiempo para la recomendación de noticias basada en sesiones (TMN-SNR), con el objetivo de explorar los intereses de los usuarios en varios aspectos de las noticias y sus grados de interés incorporando información temporal de las sesiones de noticias, retratando de manera comprensiva y precisa los múltiples intereses del usuario. Específicamente, integramos el contenido diverso de las noticias y la actualidad de las noticias, considerando las diferentes duraciones de la navegación de noticias del usuario y los tiempos de publicación de noticias, para lograr una representación comprensiva de los múltiples intereses del usuario. También realizamos análisis comparativos del impacto de diferentes estrategias de recomendación de múltiples intereses en el rendimiento de la recomendación de noticias. Además, proponemos un método de muestreo negativo que integra la proximidad del tiempo de publicación de noticias y la similitud de contenido para mejorar la representatividad de las muestras negativas y mejorar el rendimiento del entrenamiento del modelo. Los experimentos basados en tres conjuntos de datos del mundo real y comparaciones con el rendimiento de modelos de referencia demuestran que nuestro método exhibe una mayor precisión.
Zuo et al. (Jue,) estudiaron esta cuestión.