论文标题：

Positive, Negative and Neutral: Modeling Implicit Feedback in Session-based News Recommendation

论文链接：

https://arxiv.org/pdf/2205.06058.pdf

代码：

https://github.com/summmeer/session-based-news-recommendation

本文主要针对新闻网站对匿名读者（没注册的游客）进行新闻推荐的场景，访客和文章之间的交互仅限于临时登录会话。以前的工作倾向于将基于会话的推荐制定为下一个商品预测任务，而忽略了用户行为的隐含反馈，即用户真正喜欢或不喜欢什么。因此，本文提出了一个综合框架，通过正反馈（即他们花更多时间阅读的文章）和负反馈（即他们选择跳过而不点击的文章）来模拟用户行为。并且该框架使用会话开始时间隐含地对用户进行建模，并使用其初始发布时间对文章进行建模，称之为“中性反馈”。

本文主要是考虑不同的反馈方式，构建一种新的反馈“中性反馈”来加强对用户兴趣的建模。

内容中包含的图片若涉及版权问题，请及时与我们联系删除