DKN：用于新闻推荐的深度知识感知网络

在线新闻推荐系统旨在应对新闻信息爆炸，并为用户提供个性化推荐。一般来说，新闻语言高度简洁，充满了知识实体和常识。然而，现有的方法并未考虑这种外部知识，无法充分发现新闻之间潜在的知识水平联系。因此，为用户推荐的结果仅限于简单模式，并不能合理扩展。此外，新闻推荐还面临着新闻的高时间敏感性和用户兴趣的动态多样性等挑战。为了解决上述问题，本文提出了一种深度知识感知网络（DKN），将知识图谱表示纳入新闻推荐。DKN是一个基于内容的深度推荐框架，用于点击率预测。DKN的关键组件是一个多通道和词与实体对齐的知识感知卷积神经网络（KCNN），该网络融合了新闻的语义层次和知识层次表示。KCNN将词和实体视为多个通道，并在卷积过程中明确保持它们的对齐关系。此外，为了应对用户的多样化兴趣，我们在DKN中设计了一个注意力模块，以动态聚合用户的历史与当前候选新闻。通过在一个真实的在线新闻平台上进行广泛的实验，我们证明DKN在先进的深度推荐模型上实现了显著的提升。同时，我们也验证了在DKN中使用知识的有效性。