将多信息融合,并基于外部知识库对已有信息进行知识增强,可以缓解用户冷启动问题,并提高新闻推荐效果。新闻推荐倾向于使用新闻标题、内容等文本信息,而对于一些非文本信息的考虑不够全面,同时已有的知识信息也可能不够完备。针对目前存在的问题,本文提出了基于多信息融合和知识增强的新闻推荐方法MIF-KE(multi information fusion and knowledge enhancement),该方法将新闻文本信息与非文本信息相融合,并引入外部知识,同时对已有的知识信息进行增强,最后对新闻和用户兴趣精准建模,从而完成推荐。本文的具体的贡献为:(1)较为全面的利用了文本信息(如标题、内容)与非文本信息(如用户ID、新闻特征、新闻流行度),并提出混合注意力能够使信息融合更加充分;(2)引入外部知识库,同时添加了两种关联关系对用户实体关联图进行增强;(3)在公开的新闻数据集上验证了本文方法在推荐上的有效性,此外也验证了本文方法能有效缓解用户冷启动的情况。
暂无评论