AkihikoWatanabe
commented
11 months ago Personalized news headline generation aims to model users interests through their news browsing history, and then generate news headlines based on their preferences. Using the user representation of existing news recommendation systems to personalize news headlines has been very successful, but there are still many problems to be solved. Firstly, news recommendation and headline generation tasks have different requirements for user interest modelling. Secondly, the user interest embedding approach does not consider the redundancy of user interests and the complementarity between user interests and candidate news texts. In this paper, we propose a new personalized headline generation framework to enhance the user interest perception. It can highlight user interests related to candidate texts for accurate embedding. We further offer to improve user interest representation using entity words in the news to meet the demand for news headline personalization. Extensive experiments show that our approach achieves better performance in headline generation tasks.
Translation (by gpt-3.5-turbo)
- 個別化されたニュース見出し生成は、ユーザーのニュース閲覧履歴を通じてユーザーの興味をモデル化し、その好みに基づいてニュース見出しを生成することを目指しています。既存のニュース推薦システムのユーザー表現を使用してニュース見出しを個別化することは非常に成功していますが、まだ解決すべき問題が多くあります。まず、ニュース推薦と見出し生成のタスクは、ユーザーの興味モデリングに対して異なる要件を持っています。さらに、ユーザーの興味埋め込みアプローチは、ユーザーの興味の冗長性やユーザーの興味と候補のニューステキストの補完性を考慮していません。本論文では、ユーザーの興味認識を強化するための新しい個別化された見出し生成フレームワークを提案します。これにより、正確な埋め込みのために候補テキストに関連するユーザーの興味を強調することができます。さらに、ニュースのエンティティワードを使用してユーザーの興味表現を改善し、ニュース見出しの個別化の要求に応えることを提案します。幅広い実験により、提案手法が見出し生成タスクでより良いパフォーマンスを達成することが示されています。
Summary (by gpt-3.5-turbo)
- ユーザーのニュース閲覧履歴をモデル化し、個別化されたニュース見出しを生成するための新しいフレームワークを提案する。提案手法は、ユーザーの興味を強調するために候補テキストに関連する情報を活用し、ニュースのエンティティワードを使用して興味表現を改善する。幅広い実験により、提案手法が見出し生成タスクで優れたパフォーマンスを示すことが示されている。
https://link.springer.com/chapter/10.1007/978-3-031-15931-2_65