-
题名基于深度学习的新闻推荐算法研究综述
被引量：25
- 1
-
-
作者
田萱
丁琪
廖子慧
孙国栋
-
机构
北京林业大学信息学院
国家林业草原林业智能信息处理工程技术研究中心
-
出处
《计算机科学与探索》
CSCD
北大核心
2021年第6期971-998,共28页
-
基金
国家重点研发计划(2018YFC1603302,2018YFC1603305)。
-
文摘
新闻推荐(NR)可以有效缓解新闻信息过载,是当今人们获取新闻资讯的重要方式,而深度学习(DL)成为近年来促进新闻推荐发展的主流技术,使新闻推荐的效果得到显著提升,受到研究者们的广泛关注。主要对基于深度学习的新闻推荐方法研究现状进行分类梳理和分析归纳。根据对新闻推荐的核心对象——用户和新闻的建模思路不同,将基于深度学习的新闻推荐方法分为“两段式”方法、“融合式”方法和“协同式”方法三类。在每类方法中,根据建模过程中的具体子任务或基于的数据组织结构进行更进一步细分,对代表性模型进行分析介绍,评价其优点和局限性等,并详细总结每类方法的特点和优缺点。另外还介绍了新闻推荐中常用数据集、基线算法和性能评价指标,最后分析展望了该领域未来可能的研究方向及发展趋势。
-
关键词
新闻推荐(NR)
深度学习(DL)
用户兴趣建模
新闻建模
-
Keywords
news recommendation(NR)
deep learning(DL)
user interest modeling
news modeling
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
