研究人员开发了LSNR，一种用于学习稀疏新闻推荐的新方法，解决了当前方法的局限性。与将用户交互历史连接成单个查询的先前技术不同，LSNR单独编码每篇文章。然后，它通过使用基于注意力的文章表示加权来构建稀疏用户向量，并结合用户级别的密集投影扩展。在MIND和EBNeRD数据集上的实验表明，LSNR优于STAR等现有方法，特别是在用户历史记录较短的情况下，并且与最先进的密集推荐器相比仍具有竞争力。 AI
影响 这种新方法可以通过更好地处理用户交互历史来提高新闻推荐系统的效率和有效性。
排序理由 详细介绍推荐系统新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
