qq_43370611的博客

推荐系统论文：DKN Deep Knowledge-Aware Network for News Recommendation概述模型实现概述这是一篇结合了知识的推荐系统。本质上是对新闻标题的实体关联知识图谱网络，并对实体进行知识表示（向量）。通过构建原始word embedding、知识实体embedding、上下知识embedding三个view，并使用CNN进行训练，最终得到了融合知识的新闻embedding，最后通过一个注意力机制来与用户的新闻浏览历史进行相似度比较。模型实现从宏观上看

推荐系统论文：Neural News Recommendation with Attentive Multi-View Learning概述模型实现实验结果总结概述在该篇论文中，作者基于多角度的注意力机制来构建神经新闻推荐下系统。其过程主要分为两步：新闻的编码以及用户的编码：在新闻编码中，通过对新闻的标题、类别、内容应用多角度注意力机制来对新闻进行表示。在用户编码中，通过用户的新闻浏览记录以及注意力机制来进行刻画。模型实现深度神经网络结构如下图所示：在该模型中主要分为三个部分，即绿色、红色

基于点击行为的个性化新闻推荐前言一、相关工作二、用户兴趣的日志分析1.数据集2.点击分布3.用户兴趣随时间的变化4.新闻趋势5.新闻趋势对用户兴趣的影响6.结论三、用户兴趣预测1.用户真实兴趣计算2.综合用户真实兴趣3.预测用户当前兴趣四、实验结果五、总结1.优点2.缺点前言《Personalized News Recommendation Based on Click Behavior》是一篇利用用户点击行为进行个性化新闻推荐的论文。该论文首先分析谷歌新闻中的用户点击记录，接着通过贝叶斯方法综合用

MIND数据集MIND论文总结MIND数据集新闻推荐系统实现的新闻推荐方法比较与结论MIND论文总结MIND数据集MIND新闻数据集由微软新闻的用户点击日志构建，包含100万用户和16万篇英语新闻文章。在MIND数据集上，论文作者实现了很多的前沿的推荐系统，期望作为一个基准。大量实验显示，利用NLP的方法理解新闻文章、有效的文本表示、预训练语言模型以及用户兴趣建模对新闻推荐系统都有帮助。MIND数据集详细信息：用户数据：在2019年10月12日至11月22日的6周内至少有5条新闻点击记录印