【DKN: Deep Knowledge-Aware Network for News Recommendation】

DKN: Deep Knowledge-Aware Network for News Recommendation

摘要

在线新闻推荐系统旨在解决新闻信息爆炸的问题，为用户进行个性化推荐。 总体而言，新闻语言高度凝练，充满知识实体和常识。 然而，现有的方法并没有意识到这些外部知识，也无法充分发现新闻之间潜在的知识层面的联系。 因此，向用户推荐的结果仅限于简单的模式，并且不能合理扩展。 为了解决上述问题，在本文中，我们提出了一种将知识图表示纳入新闻推荐的深度知识感知网络（DKN）。 DKN 是一个基于内容的深度推荐框架，用于预测点击率。 DKN 的关键组件是一个多通道、词实体对齐的知识感知卷积神经网络（KCNN），它融合了新闻的语义层和知识层表示。 KCNN 将单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，为了满足用户的多样化兴趣，我们还在 DKN 中设计了一个注意力模块，以动态聚合用户关于当前候选新闻的历史记录。

intrudction

一般来说，新闻推荐是相当困难的，因为它面临三大挑战。 首先，与电影[9]和餐馆[12]等其他项目不同，新闻文章具有高度时间敏感性，其相关性在短时间内很快就会消失（参见第5.1节）。 过时的新闻经常被较新的新闻取代，这