新闻推荐综述——开篇

首先回顾在个性化新闻推荐系统中解决每个核心问题的技术及其面临的挑战。
其次介绍个性化新闻推荐的公共数据集和评估方法。
然后讨论改进个性化新闻推荐系统责任的关键点。
最后提出未来值得研究的几个方向。

新闻的特点：
1.新闻的生命周期短，这会导致新闻推荐面临严重的冷启动问题。
2.新闻中文本信息非常丰富（标题和正文），这给自然语言处理提供了应用场景。
3.新闻平台没有显性的用户反馈（评分和评论），我们需要从用户的隐性反馈（如点击）中推断出用户的个人兴趣。然而，用户兴趣通常是多样的和动态的，这对用户建模算法提出了极大的挑战。

个性化新闻推荐的核心问题：新闻建模、用户建模、个性化排名、模型训练、数据集、基准和评估。
一个常见的新闻推荐模型开发框架：

1.需要对新闻的内容和特征进行建模。
2.需要对用户建模了解用户对新闻的个人兴趣，并进行推断。
3.根据某些策略（如新闻和用户兴趣之间的相关性）对候选新闻进行排名。
4.训练出具有适当目标的推荐模型以做出高质量的新闻推荐。
5.评估指标也是重点。
6.数据集和baseline也必不可少。