Key points are not available for this paper at this time.
ネットワーク情報過多を軽減することを目的としたニュース推薦。従来の手法では、ニュースにおけるエンティティの知識レベルでの表現と、ソーシャルネットワークがユーザーの興味ポイントに与える影響を同時に考慮することができません。これらの二つの要因は、ニュース推薦の効果に対して大きな相関関係を持っています。これらの要因を考慮するために、本論文では知識グラフとソーシャルネットワークに基づいたニュース推薦モデルを提案します。このモデルは、ニュース推薦における知識グラフの表現とソーシャルネットワークを統合したものです。このモデルは、クリック率予測のためのコンテンツとソーシャルネットワークに基づく深層推薦フレームワークです。モデルはニュース内のエンティティを表現するために知識グラフを利用し、ソーシャルネットワークの影響を定量化し、ユーザーの興味の動的変化を捉えます。改善されたサンプリングメカニズムを採用し、ソーシャルネットワークの構造を定量化します。ソーシャルネットワーク内の隣接ノードを取得するために、ランダムウォークサンプリング戦略を使用します。さらに、インタラクションとコンテンツからターゲットに対する隣接ノードの影響重みを取得します。注目メカニズムを利用して、閲覧記録がユーザーの興味に与える影響を定量化し、動的変化を捉えます。実験の結果、我々のモデルはニュース推薦の有効性を効果的に向上させることができることが示されました。
Yang et al. (金曜日) はこの問題を研究しました。
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: