基于领域增强与内容理解的跨域新闻推荐研究.pdfVIP

哈尔滨工业大学硕士学位论文

摘要

新闻推荐在当前得到了广泛的应用，但存在着数据稀疏以及冷启动的问题，

跨域新闻推荐为此提供了一个可行的解决方案。跨域新闻推荐旨在利用其它新

闻领域的信息来增强当前领域的新闻推荐效果。现有的方法存在领域信息迁移

不充分、用户及新闻建模不准确的问题，因此，本文从跨域信息迁移、用户兴

趣建模以及新闻内容理解增强三个角度来提高跨域新闻推荐模型的效果，主要

有以下三个方面的工作：

1.基于领域信息迁移的跨域新闻推荐研究。为了将不同领域的信息进行融

合并合理地进行迁移，本文提出了一种基于领域信息迁移的跨域新闻推荐模型。

通过考虑用户协同嵌入以及基于历史的用户嵌入以充分利用领域交互信息，同

时结合两者来构建领域融合信息，最后设置用户及领域权重因子来进行领域信

息的迁移与融合。模型在本文所构建的跨域新闻推荐数据集上HR@10指标达

到了0.425，优于传统的跨域推荐模型。

2.基于用户多级兴趣的跨域新闻推荐研究。为了刻画用户在不同领域浏览

新闻时存在的动态变化的阅读兴趣，本文提出了基于用户多级兴趣的跨域新闻

推荐模型。通过构建抽象兴趣来表征用户稳定的兴趣偏好，并利用领域及情景

兴趣来刻画用户在具体领域面对特定新闻时的兴趣倾向。模型在本文所构建的

跨域新闻推荐数据集上HR@10指标达到0.440，优于同类方法下最优的跨域推

荐方法，也验证了用户多级兴趣方法的有效性。

3.基于新闻内容理解的跨域新闻推荐研究。为了更好地利用新闻文本中丰

富的语义信息，本文引入了预训练语言模型对新闻进行深层语义建模，来发掘

新闻间的语义关联。本文还使用图网络为两个不同领域的新闻建立联系。基于

用户多级兴趣的跨域新闻推荐模型在引入上述两种新闻内容理解方法后，在本

文所构建的跨域新闻推荐数据集上HR@10指标达到了0.479，表明了新闻内容

理解方法的有效性。

关键词:跨域推荐；新闻推荐；信息迁移；内容理解

-I-

哈尔滨工业大学硕士学位论文

Abstract

Newsrecommendationhasbeenwidelyusedatpresent,butthereareproblems

ofdatasparsityandcoldstart.Cross-domainnewsrecommendationprovidesa

feasiblesolutionforthis.Cross-domainnewsrecommendationaimstouse

informationfromothernewsfieldstoenhancetheeffectofnewsrecommendationin

thecurrentfield.Existingmethodshavetheproblemsofinsufficientdomain

informationmigrationandinaccurateuserandnewsmodeling.Therefore,thispaper

improvesthecross-domainnewsrecommendationmodelfromthreeperspectives:

cross-domaininformationmigration,userinterestmodelingandnewscontent

understandingenhancement.effect,mainlyinthefollowingthreeaspects：

1.Researchoncross-domainnewsrecommendation