近日，齐鲁工业大学（山东省科学院）自然语言处理与认知计算团队同悉尼科技大学、北京理工大学合作的研究论文“News Recommendation via Jointly Modeling Event Matching and Style Matching”被机器学习与数据挖掘领域国际会议European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases （ECML-PKDD）录用。论文共同第一作者为我校2020级硕士研究生赵鹏宇同学和悉尼科技大学助理教授汪守金博士，论文通讯作者为我校鹿文鹏教授。
欧洲机器学习会议（European Conference on Machine Learning，简称ECML）是机器学习领域重要的学术会议之一；2008年起与欧洲数据挖掘会议Principles and Practices of Knowledge Discovery in Databases （PKDD）联办，分设不同Track。在2022年发布的《中国计算机学会推荐国际学术会议和期刊目录》和2019年发布的《清华大学计算机学科推荐学术会议和期刊列表》中，ECML-PKDD均被认定为B类会议。本届会议将于9月18日至9月22日在意大利都灵举行。
论文简介
题目：News Recommendation via Jointly Modeling Event Matching and Style Matching
作者：Pengyu Zhao*, Shoujin Wang*, Wenpeng Lu, Xueping Peng, Weiyu Zhang, Chaoqun Zheng, Yonggang Huang
新闻推荐可以帮助用户高效地找到他们感兴趣的新闻文章。然而，大多数现有的新闻推荐方法通常简单地融合新闻内容中的各种信息来建模用户的偏好，而没有对新闻内容进行深入分析。这种做法通常会导致重要信息的丢失，从而影响推荐的性能。在实际应用中，可能会显著影响用户对新闻偏好的两个因素是新闻事件和新闻风格。因为用户倾向于阅读涵盖他们感兴趣事件的新闻文章；同时，他们也更喜欢以他们喜欢的写作风格撰写的文章。然而，这两个因素通常被现有方法忽视。为了解决这个问题，我们提出了一种事件和风格匹配（ESM）模型，以提高新闻推荐性能。ESM模型首先使用事件-风格解耦器从新闻文章中分别提取事件和风格信息；然后，设计了一个事件匹配模块和一个风格匹配模块，分别从事件和风格的角度匹配候选新闻与用户的偏好；最后，通过汇聚事件匹配得分和风格匹配得分来计算推荐得分，以进行下一条新闻的推荐。在真实世界的数据集上进行的大量实验证明了ESM模型的优越性以及我们设计的合理性。
源代码地址：https://github.com/ZQpengyu/ESM
