典型文献
新闻推荐系统中的边信息融合卷积神经网络
文献摘要：
现有的新闻推荐模型一般由文本特征提取网络和推荐网络两部分组成.新闻相关的边信息(如类别信息)并没有作用在文本特征提取过程中.在未融合边信息的情况下,文本特征提取网络和推荐网络两部分的优化目标是有差异的.提出SIACNN(Side Information Aggregated CNN)的结构,它通过注意力机制的方式,将边信息结合到文本特征提取中,缩小了文本特征提取和推荐网络之间优化目标的差异,有效提升了新闻推荐的效果.将SIACNN替换多个典型新闻推荐网络中的卷积神经网络,并利用MSN(微软新闻)采集的大型新闻数据集MIND(MIcrosoft News Dataset)来进行实验,通过实验证明了SIACNN能提高推荐效果,并同时具有泛化性.
文献关键词：
新闻推荐系统;边信息;文本特征;深度学习
中图分类号：
作者姓名：
卫刚;邵伟;王志成
作者机构：
同济大学电子与信息工程学院,上海201804
文献出处：
引用格式：
[1]卫刚;邵伟;王志成-.新闻推荐系统中的边信息融合卷积神经网络)[J].同济大学学报（自然科学版）,2022(04):590-600
A类：
SIACNN,MIcrosoft
B类：
新闻推荐系统,边信息,信息融合,融合卷积神经网络,推荐模型,文本特征提取,特征提取网络,类别信息,优化目标,Side,Information,Aggregated,注意力机制,信息结合,合到,MSN,微软,新闻数据,MIND,News,Dataset,推荐效果,并同,泛化性
AB值：
0.311443
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。
