标题： 基于混合会话的新闻推荐方法使用循环神经网络 显示英文标题

标题： Hybrid Session-based News Recommendation using Recurrent Neural Networks

摘要： 我们描述了一种混合元架构——CHAMELEON——用于基于会话的新闻推荐，该架构能够使用循环神经网络利用多种信息类型。 我们在两个公开数据集上评估了我们的方法，采用了一种时间评估协议，以现实的方式模拟新闻门户的动态。 我们的结果证实了使用RNN对会话点击序列进行建模以及利用关于用户和文章的辅助信息的优势，与其它基于会话的算法相比，推荐准确性和目录覆盖率显著提高。 显示英文摘要

摘要： We describe a hybrid meta-architecture -- the CHAMELEON -- for session-based news recommendation that is able to leverage a variety of information types using Recurrent Neural Networks. We evaluated our approach on two public datasets, using a temporal evaluation protocol that simulates the dynamics of a news portal in a realistic way. Our results confirm the benefits of modeling the sequence of session clicks with RNNs and leveraging side information about users and articles, resulting in significantly higher recommendation accuracy and catalog coverage than other session-based algorithms.