摘要：傳統(tǒng)的新聞推薦用戶建模方法難以深入解析新聞的復(fù)雜語義和用戶的真實(shí)需求，為此提出了一種知識(shí)增強(qiáng)的新聞建模方法，通過實(shí)體表示層、上下文嵌入層和注意力聚合層獲取新聞文檔表示。在此基礎(chǔ)上提出了一種基于知識(shí)增強(qiáng)文檔的細(xì)粒度用戶建模方法，利用長文檔建模技術(shù)將知識(shí)增強(qiáng)的新聞文檔串聯(lián)成長文檔，通過捕獲文檔間的詞級(jí)交互行為得到細(xì)粒度用戶表示；通過捕獲文檔內(nèi)的實(shí)體交互行為得到粗粒度用戶表示，粗粒度的用戶表示和細(xì)粒度的用戶表示聚合得到最終的用戶表示。實(shí)驗(yàn)結(jié)果顯示，提出的新聞建模方法在AUC和NDCG@10指標(biāo)上優(yōu)于基線模型，基于此方法的用戶建模方法在AUC上至少提升2.51％，在NDCG@10上至少提升4.75％。

關(guān)鍵詞：新聞建模；用戶建模；知識(shí)圖譜；細(xì)粒度；個(gè)性化新聞推薦

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

在當(dāng)今互聯(lián)網(wǎng)環(huán)境中，網(wǎng)絡(luò)新聞發(fā)布平臺(tái)吸引了大量用戶，實(shí)現(xiàn)了新聞傳播活動(dòng)的實(shí)時(shí)監(jiān)控和管理。然而，面對(duì)海量新聞內(nèi)容，用戶難以逐一瀏覽尋找感興趣的新聞，因此個(gè)性化新聞推薦技術(shù)應(yīng)運(yùn)而生。該技術(shù)旨在探索用戶隱性興趣和需求，提供定制化的新聞推薦服務(wù)，減輕信息過載壓力，提升用戶閱讀體驗(yàn)。