1. NRMS介绍
1.1 摘要:新闻推荐可以帮助用户找到感兴趣的新闻,缓解信息过载的问题。准确地对新闻和用户进行建模是新闻推荐的关键,而捕获新闻和词语的上下文对于学习新闻和用户表征具有重要意义。本文提出了一种基于神经网络的新闻推荐方法.我们的方法的核心是一个新闻编码器和一个用户编码器。在新闻编码器中,我们使用多头自注意来学习新闻标题中的新闻表示,通过对词与词之间的交互进行建模。在用户编码器中,我们从用户浏览的新闻中学习用户的表征,并使用多头自注意来捕获新闻之间的相关性。此外,我们还运用附加注意力,通过选择重要的词和新闻来学习更多信息的新闻和用户表示。在真实网络数据集上的大量实验,验证了该方法的有效性和运行效率.
官方论文地址:https://aclanthology.org/D19-1671.pdf
1.2 简单介绍:
NRMS方法的模块主要包括三个部分:新闻编码器(News Encoder)、用户编码器(User Encoder)和点击预测器(Click Predictor)。
(1). 新闻编码器:这个模块用于从新闻标题中学习新闻表示。它包含三层。第一层是词嵌入层,将新闻标题中的词语转换为低维度的嵌入向量。第二层是字级多头自注意力网络,通