摘要
在线新闻推荐系统旨在应对新闻信息爆炸的问题，并为用户提供个性化推荐。通常，新闻语言高度凝练，充满知识实体和常识。然而，现有的方法未能充分利用这些外部知识，无法充分发现新闻之间的潜在知识层面联系。因此，为用户推荐的结果往往局限于简单的模式，难以合理扩展。此外，新闻推荐还面临着新闻高时效性和用户兴趣动态多样性等挑战。为了解决上述问题，本文提出了一种深度知识感知网络（DKN），该网络将知识图谱表示融入新闻推荐中。DKN 是一种基于内容的深度推荐框架，用于点击率预测。DKN 的关键组件是一个多通道且词-实体对齐的知识感知卷积神经网络（KCNN），该网络融合了新闻的语义层面和知识层面的表示。KCNN 将词语和实体视为多个通道，并在卷积过程中显式地保持它们的对齐关系。此外，为了应对用户的多样化兴趣，我们还在 DKN 中设计了一个注意力模块，以根据当前候选新闻动态聚合用户的浏览历史。通过在一个真实的在线新闻平台上的大量实验，我们证明了 DKN 在最先进的深度推荐模型上取得了显著的改进。我们还验证了在 DKN 中使用知识的有效性。