引言
在新闻推荐领域,准确捕捉用户的兴趣至关重要。用户的兴趣可以分为长期兴趣和短期兴趣两类。长期兴趣指的是用户长期以来稳定的偏好,而短期兴趣则指的是用户在短期内表现出的兴趣变化。LSTUR 算法结合了用户的长期兴趣和短期兴趣,能够更精准地为用户推荐新闻。
LSTUR 算法原理
LSTUR 算法的核心思想是分别学习用户的长期表示和短期表示,并将两者融合,得到最终的用户表示。具体来说,LSTUR 算法包含以下几个步骤:
- 新闻编码器: 使用卷积神经网络 (CNN) 对新闻标题进行编码,得到新闻的语义表示向量。
- 用户编码器:
- 长期表示: 使用用户 ID 的嵌入向量表示用户的长期兴趣。
- 短期表示: 使用门控循环单元 (GRU) 网络对用户最近浏览过的新闻进行编码,得到用户的短期兴趣表示向量。
- 长期和短期表示融合: 将用户的长期表示和短期表示融合,得到最终的用户表示向量。LSTUR 算法提供了两种融合方法:
- 使用长期表示初始化 GRU 网络的隐藏状态。
- 将长期表示和短期表示拼接成一个统一的用户向量。
- 点击率预测: 将新闻表示向量和用户表示向量输入到一个全连接神经网络中,预测用户点击该新闻的概率。
MIND 数据集
MIND 数据集是一个大规模英文新闻数据集,包含了 1,000,000 用户、161,013 篇新闻文章和 15,777,377 条点击日志。每篇新闻文章包含丰富的文本内容,包括标题、摘要、正文、类别和实体。每条点击日志包含用户的点击事件、未点击事件以及该用户在该次点击之前的历史点击行为。
本示例使用 MIND 数据集的子集 MIND demo,包含 5,000 用户、9,432 篇新闻文章和 6,134 条点击日志。
LSTUR 模型训练
首先,需要下载 MIND demo 数据集和预训练的 GloVe 词嵌入文件。
tmpdir = TemporaryDirectory()
data_path = tmpdir.name
# ... 定义数据文件路径 ...
mind_url, mind_train_dataset, mind_dev_dataset, mind_utils = get_mind_data_set(MIND_type)
if not os.path.exists(train_news_file):
download_deeprec_resources(mind_url, os.path.join(data_path, 'train'), mind_train_dataset)
# ... 下载验证集和词嵌入文件 ...
然后,设置模型超参数,并创建 LSTUR 模型。
# 设置超参数
epochs = 5
seed = 40
batch_size = 32
# ...
# 创建 LSTUR 模型
hparams = prepare_hparams(yaml_file,
wordEmb_file=wordEmb_file,
wordDict_file=wordDict_file,
userDict_file=userDict_file,
batch_size=batch_size,
epochs=epochs)
iterator = MINDIterator
model = LSTURModel(hparams, iterator, seed=seed)
最后,使用训练集和验证集对模型进行训练。
model.fit(train_news_file, train_behaviors_file, valid_news_file, valid_behaviors_file)
模型评估
模型训练完成后,可以使用验证集对模型性能进行评估。
res_syn = model.run_eval(valid_news_file, valid_behaviors_file)
print(res_syn)
评估指标包括 Group AUC、Mean MRR、NDCG@5 和 NDCG@10。
模型保存
训练完成后,可以使用 save_weights
方法保存模型参数。
model_path = os.path.join(data_path, "model")
os.makedirs(model_path, exist_ok=True)
model.model.save_weights(os.path.join(model_path, "lstur_ckpt"))
总结
LSTUR 算法是一种兼顾用户长期兴趣和短期兴趣的新闻推荐算法,能够有效提升推荐效果。微软 Recommenders 工具提供了 LSTUR 算法的示例代码,方便用户快速上手并进行实验。