글로벌 그래프 강화 기반 뉴스 추천 알고리즘

저자 Wang Hao

리뷰어 | Chonglou

News 앱은 사람들이 일상 생활에서 정보 소스를 얻는 중요한 방법입니다. 2010년경 해외의 인기 뉴스 앱에는 Zite, Flipboard 등이 있었고, 국내 인기 뉴스 앱은 4대 포털이 주를 이루었습니다. 터우탸오(Toutiao)로 대표되는 신시대 뉴스 추천 상품의 인기로 뉴스 앱은 새로운 시대에 접어들었습니다. 기술 기업의 경우 어느 기업이든 정교한 뉴스 추천 알고리즘 기술을 숙지하면 기본적으로 기술 수준에서 주도권과 발언권을 갖게 됩니다.

오늘은 RecSys 2023 Best Long Paper Award 후보에 오른 논문을 살펴보겠습니다 - Going Beyond Local: Global Graph-Enhanced Personalized News Recommendations (논문 다운로드 주소: https: //www.php.cn/link/195d2221c982E47EB58347E5D06CE3180

알고리즘의 전체 아키텍처 다이어그램은 다음과 같습니다. 여기) 로컬 엔터티 특성인 단어 벡터는 실제로 모든 뉴스 제목을 배열로 정리한 다음 위 공식을 사용하여 계산합니다.

위에서 소개하는 것은 로컬 특성 표현식과 사용자 측 기능 표현식 GNN을 사용하여 글로벌 뉴스 측 기능 벡터를 표현합니다.

글로벌 뉴스 측 기능 벡터의 최종 표현은 실제로 다음 기능 벡터를 합치는 것입니다.

전체 뉴스 추천 시스템의 최종 훈련 손실 함수는 다음과 같습니다.

다음으로 실험적 비교 효과를 살펴보겠습니다.

비교 후( 위 표), 우리는 새로 디자인한 알고리즘(GLORY)이 많은 지표에서 유사한 알고리즘보다 우수하다는 것을 발견했습니다. 따라서 이는 드물고 우수한 뉴스 추천 알고리즘입니다. 전체 알고리즘 설계 아이디어는 매우 간단하지만 Heavyweight Deep을 사용합니다. 알고리즘을 설계하는 과정에서 기술을 배웠나봐요. 많은 기술적 작업이 알고리즘의 최종 효과를 탁월하게 만들었습니다.

다음은 뉴스를 인코딩하기 위해 다른 그래프 인코더를 사용한 실험적 비교 효과입니다. 텍스트 GNN을 사용하는 것이 가장 좋은 효과가 있음을 알 수 있습니다.

GLORY는 최근 몇 년 동안 등장한 매우 뛰어난 뉴스 추천 알고리즘이지만 이 알고리즘은 콘텐츠 기반 유사성의 기존 프레임워크를 벗어나지 않습니다. 계산을 통해 저자는 오래된 와인을 새 병에 담는 새로운 기술을 활용합니다. 오래된 중첩 인형에 담긴 이 논문은 우리의 진지한 연구

에 매우 가치가 있습니다.

저자 소개

왕하오 전 펀플러스 인공지능연구소장. 그는 ThoughtWorks, Douban, Baidu 및 Sina와 같은 회사에서 기술 및 기술 임원직을 역임했습니다. 13년 동안 인터넷 기업, 금융 기술, 게임 및 기타 기업에서 근무한 그는 인공 지능, 컴퓨터 그래픽, 블록체인 및 디지털 박물관 분야에 깊은 통찰력과 풍부한 경험을 가지고 있습니다. 국제학술대회 및 저널에 39 논문 게재, IEEE SMI 2008 Best Paper Award, ICBDT 2020 / IEEE ICISCAE 2021 / AIBT 2023 / ICSIM 2024 Best Paper Report Award를 수상했습니다.

위 내용은 글로벌 그래프 강화 기반 뉴스 추천 알고리즘의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!