Panoramische Interesses: Stijl-inhoud Bewuste Gepersonaliseerde Kop Generatie

Panoramic Interests: Stylistic-Content Aware Personalized Headline Generation

January 21, 2025

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

cs.AI

Samenvatting

Het genereren van gepersonaliseerde nieuwskoppen heeft tot doel gebruikers aandachttrekkende koppen te bieden die zijn afgestemd op hun voorkeuren. Gangbare methoden richten zich op door gebruikers georiënteerde inhoudsvoorkeuren, maar de meeste van hen zien over het hoofd dat diverse stilistische voorkeuren integraal zijn voor de panoramische belangen van gebruikers, wat leidt tot suboptimale personalisatie. In dit opzicht stellen we een nieuw Stylistic-Content Aware Personalized Headline Generation (SCAPE) framework voor. SCAPE haalt zowel inhoudelijke als stilistische kenmerken uit koppen met behulp van grootschalige taalmodel (LLM) samenwerking. Het integreert verder adaptief de lange- en korte-termijnbelangen van gebruikers door middel van een contrastleren-gebaseerd hiërarchisch fusienetwerk. Door panoramische belangen op te nemen in de kopgenerator, weerspiegelt SCAPE de stilistische-inhoudelijke voorkeuren van gebruikers tijdens het generatieproces. Uitgebreide experimenten op de real-world dataset PENS tonen de superioriteit van SCAPE boven baselines aan.

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.