基于用戶隱式反饋信號(hào)和多維度興趣的新聞推薦算法

摘要： 用戶偏好建模是提升個(gè)性化新聞推薦質(zhì)量的關(guān)鍵因素?，F(xiàn)有的研究通常將任務(wù)建模為點(diǎn)擊率預(yù)估任務(wù)，從用戶的顯式反饋信號(hào)入手，構(gòu)造興趣表征。然而，由于顯式反饋信號(hào)的匱乏以及用戶興趣的多樣化和多變化，目前的新聞推薦方法往往存在數(shù)據(jù)稀疏和信息繭房的問題。提出了一種基于用戶隱式反饋信號(hào)和多維度興趣的新聞推薦算法。通過引入用戶曝光未點(diǎn)擊這類隱式反饋信號(hào)，緩解推薦模型建模時(shí)的數(shù)據(jù)稀疏問題，提出對(duì)比...