DKN: شبكة عميقة واعية بالمعرفة لتقديم الأخبار

تهدف أنظمة التوصية بالأخبار عبر الإنترنت إلى معالجة الانفجار المعلوماتي للأخبار وتقديم توصيات مخصصة للمستخدمين. بشكل عام، تكون لغة الأخبار شديدة الإيجاز، مليئة بكيانات المعرفة والمعلومات الشائعة. ومع ذلك، فإن الطرق الحالية غير قادرة على الاستفادة من هذه المعرفة الخارجية ولا تستطيع اكتشاف العلاقات الضمنية على مستوى المعرفة بين الأخبار بشكل كامل. نتيجة لذلك، يتم حصر النتائج الموصى بها للمستخدم في أنماط بسيطة ولا يمكن توسيعها بشكل منطقي. بالإضافة إلى ذلك، تواجه التوصية بالأخبار تحديات أخرى مثل حساسية الأخبار العالية للوقت وتغيرات اهتمامات المستخدمين الديناميكية. لحل هذه المشاكل، نقترح في هذا البحث شبكة عميقة واعية بالمعرفة (DKN) تقوم بدمج تمثيل الرسم البياني للمعرفة في التوصية بالأخبار. تعتبر DKN إطارًا عميقًا مبنيًّا على المحتوى لتوقع معدل النقرات. المكون الرئيسي لـ DKN هو شبكة عصبية متعددة القنوات ومتناسقة الكلمات والكيانات واعية بالمعرفة (KCNN) تقوم بدمج التمثيلات على مستوى المعنى وعلى مستوى المعرفة للأخبار. يتعامل KCNN مع الكلمات والكيانات كقنوات متعددة ويحافظ صراحةً على علاقتهما أثناء عملية التجعيد (convolution). بالإضافة إلى ذلك، لمعالجة الاهتمامات المتباينة للمستخدمين، صممنا أيضًا وحدة انتباه في DKN تقوم بتجميع تاريخ المستخدم ديناميكيًّا بناءً على الأخبار المرشحة الحالية. من خلال سلسلة من التجارب الواسعة على منصة أخبار عبر الإنترنت حقيقية، أظهرنا أن DKN حققت مكاسب كبيرة مقارنة بأحدث نماذج التوصية العميقة. كما أكدنا فعالية استخدام المعرفة في DKN.