ارائه روشی مبتنی بر شبکه های عصبی گرافی برای پیشنهاد اخبار از طریق الگوهای تعاملی کاربر

هدف از این پژوهش ارائه روشی مبتنی بر شبکه های عصبی گرافی برای پیشنهاد اخبار از طریق الگوهای تعاملی کاربر می باشد. برای پرداختن به این چالش مهم با ارائه یک سیستم توصیه گر اخبار مبتنی بر گراف ارائه شد که با توجه به بازنمایی جهانی و ترکیب آن با اطلاعات محلی کاربر به توصیه بهترین اخبار برای کاربر می پردازد. روش این مقاله متمرکز بر تقویت بازنمایی خبرهای تاریخی از طریق استفاده از یک گراف خبری جهانی و بهبود بازنمایی مطالب خبری نامزد را از طریق یک گراف موجودیت جهانی است. ابتدا، بازنمایی متن خبر و موجودیت های خبر از منظر محلی یاد گرفته می شود. سپس، از کدگذار خبری تاریخی آگاه به جهان و کدگذار خبری موجودیت آگاه از جهانی استفاده می شود. در نهایت، از یک کدگذار کاربر مختصر و یک مولفه پیشنهاد خبر استفاده می شود. در این مقاله، از شبکه های ترنسفورمری برای جانمایی های خبر مبتنی بر محتوا و همچنین از شبکه های عصبی گرافی که امکان استدلال ارتباطات را فراهم می کنند، بهره گرفته شد. علاوه بر این، با در نظر گرفتن اخبار جهانی، سعی در پیشنهاد اخباری که از دید مدل های قبلی پنهان بودند داشتیم. به کمک این روش پیشرفته، ما توانستیم یک سیستم توصیه اخبار شخصی را طراحی کنیم که به صورت دقیق تر و جذاب تر، محتوای خبری را به کاربران پیشنهاد می دهد و تجربه خواندن خبر آن ها را بهبود می بخشد. این مقاله نشان داد که استفاده از ترکیب تکنیک های پردازش زبان طبیعی و مدل های شبکه عصبی گرافی، می تواند به بهبود عملکرد و دقت سیستم های توصیه اخبار شخصی در محیط های خبری آنلاین کمک کند.

کلیدواژه ها:

شبکه های عصبی گرافی ، پیشنهاد اخبار ، سیستم توصیه گر ، الگوهای تعاملی کاربر