SentiGraphRec：一种面向个性化新闻推荐的情感感知实体图模型

《Scientific Reports》：SentiGraphRec: sentiment perception entity graph for personalized news recommendation

　　在数字时代，准确的新闻推荐对于提升用户参与度和支持有效的信息传递至关重要。大多数现有方法主要关注语义或结构信号，而很大程度上忽视了用户在阅读历史中对实体的情感偏好。因此，这些方法难以对动态情感模式进行建模，也无法提供足够个性化的推荐。为解决这一问题，我们提出了SentiGraphRec——一种面向个性化新闻推荐的情感感知实体图模型。SentiGraphRec构建了一个全局实体图，联合编码语义关系、结构连接和实体级情感信息。通过显式建模具有情感倾向的用户、新闻文章与实体之间的交互，所提出的框架以统一的方式捕捉了语义相关性和情感偏好。在公开基准数据集上的大量实验表明，SentiGraphRec在多个评估指标上持续超越强力的最先进基线方法。特别是，该模型在推荐准确性和多样性方面取得了显著改进。这些结果验证了情感感知实体建模的有效性，并突显了SentiGraphRec在个性化新闻推荐中的广泛适用性。