파노라믹 관심사: 스타일-콘텐츠 인식 개인화 헤드라인 생성

Panoramic Interests: Stylistic-Content Aware Personalized Headline Generation

January 21, 2025

저자: Junhong Lian, Xiang Ao, Xinyu Liu, Yang Liu, Qing He

cs.AI

초록

개인 맞춤형 뉴스 헤드라인 생성은 사용자의 관심사에 맞게 맞춤형으로 제공되는 주목할 만한 헤드라인을 목표로 합니다. 기존 방법은 사용자 중심의 콘텐츠 선호를 중점으로 하지만 대부분은 사용자의 풍부한 관심사에 필수적인 다양한 스타일적 선호를 간과하여 최적화되지 않은 맞춤화로 이어집니다. 이에 우리는 새로운 스타일-콘텐츠 인식 맞춤형 헤드라인 생성(SCAPE) 프레임워크를 제안합니다. SCAPE는 대형 언어 모델(LLM) 협업을 통해 헤드라인에서 콘텐츠 및 스타일적 특징을 추출합니다. 또한 대조 학습 기반 계층적 퓨전 네트워크를 통해 사용자의 장기 및 단기 관심사를 적응적으로 통합합니다. SCAPE는 풍부한 관심사를 헤드라인 생성기에 통합함으로써 사용자의 스타일-콘텐츠 선호를 반영합니다. 실제 데이터셋 PENS에서의 광범위한 실험 결과는 SCAPE의 기존 방법 대비 우수함을 입증합니다.

English

Personalized news headline generation aims to provide users with attention-grabbing headlines that are tailored to their preferences. Prevailing methods focus on user-oriented content preferences, but most of them overlook the fact that diverse stylistic preferences are integral to users' panoramic interests, leading to suboptimal personalization. In view of this, we propose a novel Stylistic-Content Aware Personalized Headline Generation (SCAPE) framework. SCAPE extracts both content and stylistic features from headlines with the aid of large language model (LLM) collaboration. It further adaptively integrates users' long- and short-term interests through a contrastive learning-based hierarchical fusion network. By incorporating the panoramic interests into the headline generator, SCAPE reflects users' stylistic-content preferences during the generation process. Extensive experiments on the real-world dataset PENS demonstrate the superiority of SCAPE over baselines.