您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202107-7
论文题目 基于访问序列的新闻推荐深度学习模型
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于访问序列的新闻推荐深度学习模型

首发时间:2021-07-14

吴世成 1   

吴世成(1996-),男,硕士研究生,主要研究方向:推荐系统

孟祥武 1   

孟祥武(1966-),男,教授,博士生导师,主要研究方向:网络服务与推荐服务

  • 1、智能通信软件与多媒体北京市重点实验室(北京邮电大学),北京 100876

摘要:近年来,随着用户的偏好和新闻特征的快速变化,个性化新闻推荐系统面临着很大的挑战。为了提高推荐系统的性能,基于深度学习的新闻推荐系统模型已经有了快速的发展。但是,它依旧存在一些问题。第一,模型具有低效的采样率并且难以设计出好的收益函数;第二,在深度学习模型中,很少会考虑到用户访问序列。这些问题使得推荐性能很低。在本篇中,将深度学习与用户访问序列因子相结合,重新设计待推荐项目计算的评分标准。此外,本篇整合大众偏好来解决用户访问序列稀疏性问题。最后在NewsREEL平台提供的数据集和从网易新闻爬虫获取的数据集上进行了实验,实验结果表明本篇提出的模型能够有效提高推荐系统的性能。?

关键词: 新闻推荐 深度学习 访问序列

For information in English, please click here

Based on access sequence for deep learning model of news recommendation

WU Shicheng 1   

吴世成(1996-),男,硕士研究生,主要研究方向:推荐系统

MENG Xiangwu 1   

孟祥武(1966-),男,教授,博士生导师,主要研究方向:网络服务与推荐服务

  • 1、Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia (Beijing University of Posts and Telecommunications), Beijing 100876

Abstract:In recent years, personalized news recommendation is an extremely challenging problem because of the rapid changes in user preferences and news characteristics. In order to generate recommendation better, the news recommendation system based on the deep reinforcement learning model has been rapidly developed. But deep reinforcement learning models still have some problems. First, it has inefficient sampling efficiency and is very hard to design a good reward function. Second, few models consider the user access sequence in news recommendation systems based on deep reinforcement learning model. These problems make the recommendation efficiency poor. In this paper,deep learning and user access sequence factor are combined to redesign the scoring standard of the items to be recommended. Moreover, this paper incorporate the public\'s preference for users with sparse access sequences. Finally, this paper has conducted experiments on some datasets provided by the NewsREEL platform and extracted from NetEase News. The results demonstrate that our proposed model can effectively improve the quality of the recommendation.

Keywords: news recommendation deep learning access sequence

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
吴世成,孟祥武. 基于访问序列的新闻推荐深度学习模型[EB/OL]. 北京:中国科技论文在线 [2021-07-14]. http://www.paper.edu.cn/releasepaper/content/202107-7.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于访问序列的新闻推荐深度学习模型