典型文献
基于Transformer与异质图神经网络的新闻推荐模型
文献摘要：
新闻推荐方法大多假定用户浏览的新闻之间具有很强的时序依赖关系,但新闻具有更新的快速性及用户阅读的自由性等特点,使时序性建模中可能会引入噪音.为了解决此问题,文中提出基于Transformer与异质图神经网络的新闻推荐模型.采用Transformer从用户近期浏览的新闻中对用户的短期兴趣进行建模,通过异质图神经网络捕捉用户和新闻之间的高阶关系,建模用户长期兴趣和候选新闻的表示.同时,为了自适应调整短期兴趣和长期兴趣在用户建模时的重要性,设计用户长短期兴趣感知的点击预测机制.在真实数据集上的对比实验验证文中模型的有效性.
文献关键词：
新闻推荐;异质图神经网络;注意力机制;Transformer
中图分类号：
作者姓名：
张玉朋;李香菊;李超;赵中英
作者机构：
山东科技大学 计算机科学与工程学院 青岛266590;山东科技大学 电子信息工程学院 青岛266590
文献出处：
引用格式：
[1]张玉朋;李香菊;李超;赵中英-.基于Transformer与异质图神经网络的新闻推荐模型)[J].模式识别与人工智能,2022(09):839-848
A类：
B类：
Transformer,异质图神经网络,新闻推荐,推荐模型,推荐方法,假定,浏览,依赖关系,快速性,用户阅读,自由性,时序性,噪音,户长,自适应调整,用户建模,长短期兴趣,点击,预测机制,真实数据,注意力机制
AB值：
0.313586
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
