Intereses panorámicos: Generación de titulares personalizados conscientes del estilo y contenido.

Panoramic Interests: Stylistic-Content Aware Personalized Headline Generation

January 21, 2025

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

cs.AI

Resumen

La generación de titulares de noticias personalizados tiene como objetivo proporcionar a los usuarios titulares llamativos adaptados a sus preferencias. Los métodos predominantes se centran en las preferencias de contenido orientadas al usuario, pero la mayoría de ellos pasan por alto el hecho de que las diversas preferencias estilísticas son fundamentales para los intereses panorámicos de los usuarios, lo que conduce a una personalización subóptima. En vista de esto, proponemos un nuevo marco de Generación de Titulares Personalizados Consciente del Estilo-Contenido (SCAPE). SCAPE extrae tanto características de contenido como estilísticas de los titulares con la ayuda de la colaboración de un gran modelo de lenguaje (LLM). Además, integra de forma adaptativa los intereses a largo y corto plazo de los usuarios a través de una red de fusión jerárquica basada en aprendizaje contrastivo. Al incorporar los intereses panorámicos en el generador de titulares, SCAPE refleja las preferencias de estilo-contenido de los usuarios durante el proceso de generación. Experimentos extensos en el conjunto de datos del mundo real PENS demuestran la superioridad de SCAPE sobre los baselines.

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.