Смешанный подход к автономной оценке новостных рекомендательных систем
•Объединение отзывов читателей и данных о поведенческих кликах позволяет оптимизировать персонализацию контента. •В цифровых новостях на решение перейти по статье влияют различные факторы, включая заголовки, темы и настроение читателя. •Автономная оценка систем рекомендаций по новостям сложна из-за короткого срока годности статей и быстро меняющихся предпочтений пользователей. •Классические подходы часто ориентированы на неперсонифицированные алгоритмы и не учитывают этические соображения. •Разработан смешанный подход, сочетающий опросы пользователей с анализом поведенческих данных. •Опросы пользователей помогают понять их тематические предпочтения, а анализ поведенческих данных — предсказать их выбор. •Отбор статей для опроса на основе даты публикации и недавнего посещения. •Опрос пользователей, в котором приняли участие около 1500 читателей SPIEGEL.de. •Анализ поведенческих данных с использованием косинусного расстояния между вектором предпочтений пользователей и вложениями статей. •Смешанный подход показал значительные улучшения по сравнению с базовыми методами. •Точность персонализированной модели достигла 0,147, что на 70,7% выше случайной базовой линии. •Коэффициенты корреляции Спирмена также подтверждают силу индивидуального подхода. •Использование оптимизированных параметров для онлайн-тестирования. •Сочетание технологических инноваций с журналистской честностью для разработки персонализированных рекомендаций.
Этот пост подготовила нейросеть: сделала выжимку статьи и, возможно, даже перевела ее с английского. А бот опубликовал пост в Сетке.
