The Cross-Lingual Arabic Information REtrieval (CLAIRE) System
尽管神经机器翻译取得了进展，但查询和文档位于不同自然语言空间的跨语言检索任务仍然具有挑战性。虽然神经翻译模型可以提供一种直观的方法来解决跨语言问题，但它们的资源消耗训练和高级模型结构可能会使整个检索管道复杂化并降低用户参与度。在本文中，我们建立了我们的端到端的跨语言阿拉伯语信息检索（CLAIRE）系统的基础上，跨语言的词嵌入，搜索者被假定有一个过得去的被动理解的阿拉伯语和各种支持信息的英语，以帮助检索经验。该系统具有三大优点：（1）英语-阿拉伯语词嵌入的使用简化了整个流水线，避免了机器翻译可能导致的错误。(2)我们的CLAIRE系统可以包含任意的基于词嵌入的神经检索模型，而无需结构修改。(3)阿拉伯语新闻收集的早期经验结果显示了良好的性能。
2021-07-29 cs.IR
Mind the Gap: Cross-Lingual Information Retrieval with Hierarchical Knowledge Enhancement
Key Lab of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS（中国科学院智能信息处理重点实验室，中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；Institute of Intelligent Computing Technology, Suzhou, CAS（中国科学院苏州智能计算技术研究院）；Alibaba Group（阿里巴巴集团）；Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院）；SKLSDE, School of Computer Science, Beihang University（北京航空航天大学计算机学院软件开发环境国家重点实验室）
跨语言信息检索（CLIR）的目的是对用户查询的不同语言的文档进行排序。不同语言之间的固有差距是CLIR面临的一个重要挑战。由于多语言中实体信息的充分性，本文将多语言知识图谱引入到CLIR任务中。它被认为是一个“银弹”，同时执行查询和文档之间的显式对齐，也扩大了查询的表示。我们提出了一个名为CLIR与层次知识增强（HIKE）为我们的任务。该模型采用多语言BERT对查询、文档和KG中的文本信息进行编码，并采用层次化信息融合机制将KG信息融合到查询-文档匹配过程中。HIKE首先将KG中的实体及其邻域通过知识级融合集成到查询表示中，然后结合源语言和目标语言的知识，通过语言级融合进一步消除语言鸿沟。最后，实验结果表明，HIKE实现了实质性的改进，超过国家的最先进的竞争对手。
2021-12-27 cs.IR cs.LG
Global Voices: Crossing Borders in Automatic News Summarization
University of Maryland, College Park（马里兰大学帕克分校）；Microsoft Research（微软研究院）
我们构建了Global Voices，一个用于评估跨语言摘要方法的多语言数据集。我们提取全球之声新闻文章的社交网络描述，以低成本收集15种语言的英文和英文摘要的评估数据。特别是，对于英语摘要任务，我们基于强调准确性，覆盖范围和可理解性的指导方针众包了一个高质量的评估数据集。为了确保这个数据集的质量，我们收集了人类的评分来过滤掉不好的摘要，并对人类进行了一项调查，结果显示，剩余的摘要比社交网络摘要更受欢迎。我们研究了跨语言摘要翻译质量的影响，比较了先翻译后摘要的方法与几个基线。我们的研究结果突出了ROUGE度量的局限性，被忽视的单语摘要。我们的数据集可在https://forms.gle/gpkJDT6RJWHM1Ztz9下载。
2020-06-15 cs.CL cs.IR cs.LG
DCAN: Diversified News Recommendation with Coverage-Attentive Networks
基于自我注意的模型被广泛应用于新闻推荐任务中。然而，以往的Attention体系结构没有约束用户历史行为中的重复信息，这限制了隐藏表示的能力，并导致了信息冗余和过滤气泡等问题。为了解决这个问题，我们提出了一个个性化新闻推荐模型DCAN，它通过新闻编码器和用户编码器捕获多粒度的用户-新闻匹配信号。我们不断更新覆盖向量来跟踪新闻关注的历史，并以4种方式增加向量。然后将扩展后的Coverage向量输入到多头自注意模型中，帮助调整未来注意力，并在损失函数（CRL）中加入Coverage规则，使推荐系统能够更多地考虑差异化信息。在微软新闻推荐数据集（MIND）上的大量实验表明，我们的模型在准确性方面的牺牲最小的情况下，显着提高了新闻推荐的多样性。
2022-06-02 cs.IR
KINNEWS and KIRNEWS: Benchmarking Cross-Lingual Text Classification for Kinyarwanda and Kirundi
University of Electronic Science and Technology of China（电子科技大学）；Masakhane
文本分类的最新进展集中在高资源语言，如英语和中文。对于低资源语言，其中包括大多数非洲语言，缺乏注释良好的数据和有效的预处理，阻碍了成功方法的进步和转让。在本文中，我们介绍了两个新闻数据集（KINNEWS和KIRNEWS）的Kinyarwanda和基隆迪，两个低资源的非洲语言的新闻文章的多类分类。这两种语言是相互理解的，但尽管基尼亚卢旺达语在一定程度上已经在自然语言处理（NLP）中进行了研究，但这项工作构成了基隆迪语的第一项研究。除了数据集，我们还提供了统计数据、预处理指南以及单语和跨语言基线模型。我们的实验表明，在资源相对较高的基尼亚卢旺达语的训练嵌入产生成功的跨语言迁移基隆迪。此外，创建的数据集的设计允许在未来的研究中更广泛地使用NLP，而不仅仅是文本分类，例如表示学习，更远语言的跨语言学习，或者作为解析，POS标记和NER等任务的新注释的基础。数据集、停用词和预训练的嵌入可在https://github.com/Andrews2017/KINNEWS-and-KIRNEWS-Corpus上公开获得。
2020-10-23 cs.CL cs.IR cs.LG
Civic Ground Truth in News Recommenders: A Method for Public Value Scoring
本文提出一种通过全国性调查和自动化元数据增强生成价值标签的方法，将公民价值嵌入新闻推荐系统，以实现公共价值评分。
2025-10-26 cs.IR
User recommendation system based on MIND dataset
Faculty of Computer Science and Mathematics, University of Kufa（库法大学计算机科学与数学学院）
如今，它是研究人员和其他个人实现其兴趣的一种非常重要的方式，因为它提供了满足他们需求的简短解决方案。由于互联网上有如此多的信息，新闻推荐系统允许我们过滤内容，并根据用户的愿望和兴趣将其传递给用户。RS有三种技术：基于内容的过滤，协同过滤和混合过滤。我们将在我们的系统中使用MIND数据集，该数据集是在2019年收集的，这是该数据集的一大挑战，因为有很多模糊性和复杂的文本处理。在本文中，将介绍我们提出的推荐系统。我们的系统的核心是使用GloVe算法进行词嵌入和表示。此外，多头注意力层计算词语的注意力，生成推荐新闻列表。最后，我们取得了较好的结果，AUC 71.211，MRR 35.72，nDCG@5 38.05，nDCG@10 44.45比其他一些相关的工作。
2022-09-06 cs.IR cs.LG
Revisiting Language Models in Neural News Recommender Systems
本文基于MIND数据集重新审视语言模型在神经新闻推荐系统中的表现，发现更大模型未必提升性能且需更多资源，但对冷启动用户推荐更有效。
2025-01-20 cs.IR
Multiverse: Multilingual Evidence for Fake News Detection
Technical University of Munich（慕尼黑工业大学）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
误导性信息以令人难以置信的速度在互联网上传播，在某些情况下可能导致无法挽回的后果。开发假新闻检测技术变得至关重要。虽然在这方面已经做了大量工作，但目前做法的局限性之一是，这些模式只侧重于一种语文，不使用多语文信息。在这项工作中，我们提出了Multiverse --一种基于多语言证据的新功能，可用于假新闻检测并改进现有方法。首先通过人工实验验证了跨语言证据作为假新闻检测特征的假设。在那之后，我们将我们基于所提出的特征的假新闻分类系统与两个多域通用主题新闻数据集和一个假COVID-19新闻数据集的几个基线进行了比较，结果表明，在与语言特征的额外组合中，它产生了显着的改进。
2022-11-25 cs.CL cs.IR
Topic-Centric Explanations for News Recommendation
本文提出一种主题感知的可解释新闻推荐模型，通过关联主题信息解释推荐理由，并引入一致性指标评估主题质量，在MIND数据集上优于多个基线系统且能生成可解释主题。
2023-10-06 cs.IR
Aspect-driven User Preference and News Representation Learning for News Recommendation
新闻推荐系统对于帮助用户从大量的新闻中高效地发现感兴趣的新闻是必不可少的。现有的新闻推荐系统大多学习用户和新闻的主题级表示进行推荐，而忽略了学习用户和新闻的方面级特征进行更准确的推荐。因此，它们实现了有限的推荐性能。针对这一不足，我们提出了一种新的基于方面级用户偏好和新闻表示学习的新闻推荐系统（ANRS）。在这里，新闻体是由一组相关词表达的细粒度语义信息，表示新闻所描述的特定方面。在ANRS中，设计新闻方面级编码器和用户方面级编码器，分别学习用户偏好和新闻特征的细粒度方面级表示，并将其输入点击预测器，判断用户点击候选新闻的概率。在常用的真实世界数据集MIND上进行了大量的实验，与代表性的和最先进的方法相比，证明了我们的方法的优越性。
2022-01-28 cs.AI cs.IR
Towards Effective Research-Paper Recommender Systems and User Modeling based on Mind Maps
虽然用户建模和推荐系统成功地利用了电子邮件、新闻和电影等项目，但它们普遍忽视了思维导图作为用户建模的来源。我们认为这是一个严重的缺点，因为我们假设基于思维导图的用户建模与基于其他项目的用户建模同样有效。因此，数以百万计的思维导图用户可以从推荐系统等用户建模应用程序中受益。这篇博士论文的目标是开发一种有效的基于思维导图的用户建模方法。为了实现这一目标，我们在我们的思维导图和参考管理软件Docear中集成了一个推荐系统。推荐系统基于思维导图建立用户模型，并基于用户模型推荐研究论文。作为我们研究的一部分，我们确定了与基于思维导图的用户建模相关的几个变量，并通过离线评估、用户研究和基于向4,700名用户显示的430,893条推荐的在线评估来评估这些变量对用户建模有效性的影响。我们发现，除其他外，分析节点的数量，修改时间，节点的可见性，节点之间的关系，以及一个节点的孩子和兄弟姐妹的数量影响用户建模的有效性。当所有变量以有利的方式组合时，这种新方法的点击率达到7.20%，这几乎是最佳基线的两倍。此外，我们表明，基于思维导图的用户建模以及基于其他项目的用户建模，即用户下载或引用的研究文章。我们的研究结果让我们得出结论，基于思维导图的用户建模是一个很有前途的研究领域，开发人员的思维导图应用程序应该集成到他们的应用程序的推荐系统。这样的系统可以为数百万思维导图用户创造额外的价值。
2017-03-27 cs.IR
Exploring Fine-tuning ChatGPT for News Recommendation
本研究探索微调ChatGPT用于新闻推荐，通过设计排序和评分两种提示，在MIND数据集上验证了微调可显著提升个性化推荐性能，并有效缓解冷物品问题。
2023-11-10 cs.IR
Understanding the Relation of User and News Representations in Content-Based Neural News Recommendation
Institute for Natural Language Processing, University of Stuttgart（斯图加特大学自然语言处理研究所）
已经提出了许多基于神经内容的新闻推荐模型。然而，有这样的系统（新闻编码器，用户编码器和评分功能）的三个主要组成部分的相对重要性和权衡所涉及的理解有限。在本文中，我们评估的假设，最广泛使用的手段匹配用户和候选人的新闻表示是不够的表达。我们允许我们的系统通过评估更具表现力的评分函数来模拟两者之间更复杂的关系。在广泛的基线和已建立的系统中，这导致AUC持续改善约6个点。我们的研究结果还表明了新闻编码器的复杂性和评分函数之间的权衡：一个相当简单的基线模型在MIND数据集上的得分远高于68% AUC，并且与已发表的最先进的模型相差不到2个点，同时需要一小部分计算成本。
2022-07-29 cs.CL cs.IR
Learning to Select Historical News Articles for Interaction based Neural News Recommendation
Renmin University of China（中国人民大学）
个性化新闻推荐的关键是准确、高效地将用户的兴趣与候选新闻进行匹配。现有的方法大多将用户兴趣嵌入到一个表示向量中，然后通过与候选新闻向量进行比较来推荐。在这样的工作流中，细粒度的匹配信号可能丢失。最近的研究试图通过对候选新闻和用户浏览的每篇新闻文章之间的细粒度交互进行建模来覆盖这一点。尽管有效性有所提高，但这些模型的在线计算成本要高得多。因此，以有效的方式利用有效的互动仍然是一个棘手的问题。为了解决这个问题，我们提出了一个具有学习选择机制的端到端选择性细粒度交互框架（SFI）。SFI可以快速选择信息丰富的历史新闻，而不是将所有历史新闻都输入交互。候选人，并排除其他人从以下计算。我们授权选择是稀疏和自动的，这分别保证了效率和有效性。在公开可用的数据集MIND上进行的大量实验验证了SFI相对于最先进方法的优越性：仅选择五条历史新闻，它就可以将AUC显著提高2.17%，同时，它的速度是最先进的基于交互的模型的四倍。
2021-10-13 cs.AI cs.IR
Modeling Behavioral Patterns in News Recommendations Using Fuzzy Neural Networks
Institute of Human-Centred Computing, Graz University of Technology, Austria（以人为中心计算研究所，格拉茨技术大学，奥地利）
本文提出利用模糊神经网络建模新闻推荐中的行为模式，通过学习可读规则提升推荐透明度和可解释性。
2026-01-07 cs.IR cs.LG
Cross-lingual Transfer Learning for Check-worthy Claim Identification over Twitter
Qatar University（卡塔尔大学）
在社交媒体上传播的错误信息已经成为不可否认的信息流行病。然而，并非所有的传播主张都是平等的。如果传播开来，有些主张可能具有破坏性，不仅对个人，而且对组织甚至国家都是如此。检测应该优先进行事实核查的声明被认为是打击假新闻传播的第一步。由于训练数据仅限于少数几种语言，因此开发监督模型来解决低资源语言的问题目前是不可行的。因此，我们的工作旨在研究我们是否可以使用现有的数据集来训练模型，以预测其他语言的推文中的声明的验证价值。本文利用多语言BERT（mBERT）模型，对六种跨语言检查值估计方法进行了系统的比较研究。我们使用最先进的多语言Twitter数据集运行我们的实验。我们的研究结果表明，对于某些语言对，zero-shot跨语言迁移是可能的，并且可以表现得像在目标语言上训练的单语模型一样好。我们还表明，在某些语言中，这种方法优于（或至少是可比的）国家的最先进的模型。
2022-11-09 cs.AI cs.CL cs.IR
Simplifying Multilingual News Clustering Through Projection From a Shared Space
Priberam Labs（普里贝拉姆实验室）
为媒体监测组织和聚类多语言新闻文章的任务对于实时的追踪新闻报道至关重要。这项任务的大多数方法都集中在高资源语言（主要是英语）上，而忽略了低资源语言。考虑到这一点，我们提出了一个更简单的在线系统，能够集群传入的文档流，而不依赖于特定语言的功能。我们的经验表明，使用多语言的上下文嵌入的文档表示显着提高聚类质量。我们挑战以前的跨语言的方法，消除了建立单语集群的前提条件。我们将聚类过程建模为一组线性分类器来聚合相似的文档，并通过在线合并来纠正密切相关的多语言聚类。我们的系统在多语言新闻流聚类数据集上实现了最先进的结果，并且我们引入了一种新的多语言zero-shot新闻聚类评估。我们的代码是开源的。
2022-04-28 cs.CL cs.IR
VLSNR:Vision-Linguistics Coordination Time Sequence-aware News Recommendation
Beihang University（北京航空航天大学）；Peking University（北京大学）
新闻表示和面向用户的建模都是新闻推荐的关键。现有的方法大多基于文本信息，而忽略了视觉信息和用户的动态兴趣。然而，与纯文本内容相比，多模态语义有利于增强对用户暂时和长期兴趣的理解。在我们的工作中，我们提出了一个视觉语言学协调的时间序列新闻推荐。首先，一个预训练的多模态编码器被应用到嵌入图像和文本到同一个特征空间。然后使用自注意网络学习时间序列。此外，一个注意GRU网络提出了充分的时间方面的用户偏好模型。最后，嵌入点击历史和用户表示来计算候选新闻的排名分数。此外，我们还构建了一个大规模的多模态新闻推荐数据集V-MIND。实验结果表明，我们的模型优于基线，并实现了我们独立构建的数据集上的SOTA。
2022-10-06 cs.AI cs.IR cs.LG
Enhancing News Recommendation with Hierarchical LLM Prompting
VinUniversity HaNoi VietNam（越南河内 Vin 大学）；The Pennsylvania State University（宾夕法尼亚州立大学）；University of Technology Sydney（悉尼技术大学）
本文提出PNR-LLM方法，利用LLM生成能力丰富新闻标题和摘要的深层语义与实体信息，并通过注意力机制聚合数据形成统一嵌入，显著提升了个性化新闻推荐效果。
2025-04-29 cs.AI cs.IR
Rewrite the News: Tracing Editorial Reuse Across News Agencies
本文研究多语言新闻中句子级文本重用，提出弱监督方法检测跨语言重用，分析重用内容在文章中的位置，揭示非字面重用现象。
2026-03-31 cs.CL cs.IR
Efficient Pointwise-Pairwise Learning-to-Rank for News Recommendation
Amazon（亚马逊）；Zalando SE（扎兰多SE公司）
针对新闻推荐中逐点方法缺乏比较信息、成对方法计算昂贵的问题，提出一种整合逐点相关性预测与成对比较的可扩展框架，理论分析证明其性能提升条件，并在MIND和Adressa数据集上超越现有方法。
2024-09-26 cs.IR cs.LG
Evaluating Ensemble Methods for News Recommender Systems
University of Leeds, School of Computing（利兹大学计算机学院）
针对新闻推荐系统多算法融合协同性研究空白，本文提出用集成方法组合多样前沿算法，在MIND数据集上验证了基学习器足够多样时性能可提升最高5%，并指出方法差异不足时无提升，为NRS集成方案优化提供参考。
2024-06-23 cs.AI cs.IR
Addressing Cold Start For next-article Recommendation
University of Minnesota（明尼苏达大学）
本研究将ALMM模型改造用于MIND数据集上的新闻推荐，通过顺序点击建模和BERT/TF-IDF特征提取，在冷启动场景下优于基线模型，但指出最小修改的ALMM不适用。
2025-08-01 cs.IR cs.LG
YT-30M: A multi-lingual multi-category dataset of YouTube comments
Deakin University（迪肯大学）
该研究发布了包含32236173条评论的多语言多类别YouTube数据集YT-30M及其108694条随机样本YT-100K，并提供完整元数据以支持后续研究。
2024-12-04 cs.AI cs.CL cs.IR
Prompt Learning for News Recommendation
Huazhong University of Science and Technology（华中科技大学）
本文首次将提示学习引入新闻推荐，提出Prompt4NR框架，将点击预测转化为完形填空式掩码预测任务，并设计离散、连续及混合提示模板与提示集成方法，在MIND数据集上取得新的基准结果。
2023-04-11 cs.AI cs.IR
News Recommendation with Category Description by a Large Language Model
Waseda University（早稻田大学）
本文提出利用大语言模型自动生成新闻类别描述，并将其融入推荐模型，在MIND数据集上使AUC最多提升5.8%，验证了该方法的有效性。
2024-05-13 cs.AI cs.CL cs.IR
Why Do We Click: Visual Impression-aware News Recommendation
Zhejiang University（浙江大学）；Huawei Noah’s Ark Lab（华为诺亚方舟实验室）；National university of Singapore（新加坡国立大学）
由于信息过载，人们对新闻推荐研究的兴趣日益高涨。为了准确地捕捉用户的兴趣，我们提出了多模态的功能，除了在现有的作品中广泛使用的新闻标题，新闻推荐。另外，现有的研究在设计多模态建模模块时很少关注点击决策过程。在这项工作中，灵感的事实，用户使他们的点击决定主要是基于他们在浏览新闻时所感知的视觉印象，我们建议捕捉这样的视觉印象信息与视觉语义建模的新闻推荐。具体而言，我们设计了局部印象建模模块，在理解新闻标题语义的同时，兼顾印象中的分解细节，从而更接近用户阅读新闻的过程。此外，我们从全局的角度来考察印象，并将结构信息，如不同领域的安排和不同单词在印象中的空间位置，纳入多模态建模。为了适应视觉印象感知新闻推荐的研究，我们通过添加快照印象图像来扩展文本主导的新闻推荐数据集MIND，并将其发布以滋养该研究领域。与最先进的新闻推荐器的广泛比较以及深入分析证明了所提出的方法的有效性以及为基于内容的推荐器建模视觉印象的良好能力。
2021-09-26 cs.AI cs.IR cs.MM
A Case Study and Qualitative Analysis of Simple Cross-Lingual Opinion Mining
Technical University of Munich（慕尼黑工业大学）
该研究提出一种基于预训练深度神经网络的简单跨语言意见挖掘方法，通过单一主题模型和情感分析覆盖多语言，在有机食品领域验证了主题匹配、稳定性及可解释性，为市场营销提供跨区域客户兴趣分析工具。
2023-07-24 cs.CL cs.IR
Recommender System for News Articles using Supervised Learning
Vodafone Portugal（沃达丰葡萄牙公司）；Universitat Pompeu Fabra（庞培法布拉大学）
在过去的十年中，我们观察到信息的大量增加，特别是通过智能手机共享的信息。因此，可用的信息量不允许普通用户知道他的所有选项。在这种情况下，推荐系统使用许多技术来帮助用户找到所需的产品。因此，如今推荐系统发挥着重要作用。推荐系统的目标是确定最适合用户偏好的产品。这些技术对用户和供应商都是有利的，因为它使用户能够快速找到他需要的东西，并使供应商能够促进他们的产品和销售。随着业界开始意识到使用这些算法可以实现的收益，对于许多研究人员来说也是一个非常有趣的问题，推荐系统自90年代中期以来成为一个非常活跃的领域。考虑到这是一个持续的问题，本论文打算观察使用推荐算法的价值，发现用户喜欢通过观察她的域偏好。在一个平衡的概率方法中，本文将展示如何利用新闻主题来推荐新闻文章。在这篇论文中，我们使用不同的机器学习方法来确定用户对一篇文章的评分。为了解决这个问题，监督学习方法，如线性回归，朴素贝叶斯和逻辑回归。所有上述模型都具有不同的性质，这对给定问题的解决方案产生了影响。此外，一些实验，并讨论，以确定最适合的问题的功能集。
2017-07-03 cs.IR cs.LG
Rethinking negative sampling in content-based news recommendation
Promptly Health；Faculty of Sciences, University of Porto（波尔图大学理学院）；Joint Research Centre, European Commission（欧盟委员会联合研究中心）；ISEP, Polytechnic of Porto（波尔图理工学院ISEP）；INESC TEC
针对新闻推荐中文章生命周期短且现有模型复杂、缺乏负样本考量的问题，提出一种提升准确率并促进系统去中心化的负采样技术，在 MIND 数据集上达到 SOTA 性效。
2024-11-13 cs.AI cs.IR cs.LG
