Towards Maximizing User Satisfaction for News Recommendation

Abstract

A news recommender method aims to recommend news articles to a target user by analyzing her preferences based on her clicked news history. Most of the existing methods for the news recommendation have focused on user's click behaviors. However, the user may click a news article through a click-bait, while she does not read the news content. For this reason, it may be insufficient to model the user interest based on solely her click behaviors in terms of user satisfaction. Therefore, in this dissertation, we analyze the time a user spends on reading the news content (i.e., dwell time) and define user's satisfied-click (SAT-click) by utilizing the dwell time. We also propose a novel news recommender method that aims to predict and recommend news by analyzing the user's SAT-Click. Our extensive experimental results with a real-world dataset show that our method outperforms existing news recommender methods.|뉴스 추천은 사용자들의 클릭 뉴스 이력을 바탕으로 그의 취향을 분석하여, 사용자가 클릭할 만한 뉴스를 제공하는 것을 목적으로 한다. 대부분의 기존 뉴스 추천 방법들은 사용자의 클릭 행위에 초점을 맞춰왔다. 하지만, 사용자는 낚시성 제목으로 인해 뉴스를 클릭할 가능성이 있다 (e.g., click-bait). 이러한 경우, 사용자는 해당 뉴스의 콘텐츠에 대해서 만족하지 않을 가능성이 높다. 이러한 이유로, 단순히 사용자의 클릭 행위에만 근거하여 사용자 관심을 모델링하는 것은 사용자 만족도 측면에서 불충분할 수 있다. 따라서, 본 논문에서는 사용자가 클릭한 뉴스들의 콘텐츠를 얼마나 읽었는지에 대한 정보 (체류 시간) 를 분석하여, 사용자가 만족한 뉴스 (satisfied-click, SAT-Click) 를 정의한다. 또한, 사용자가 읽고 만족할 만한 뉴스를 예측 및 추천하는 것을 목적으로 하는 새로운 뉴스 추천시스템을 제안한다. 실제 세계 데이터셋을 기반으로 한 다양한 실험을 통해, 우리의 새로운 뉴스 추천시스템이 경쟁 방법들에 비해 뛰어남을 입증한다.