演示

NU:BRIEF——一个面向出版商的具有隐私意识的新闻稿个性化引擎

作者:

埃内斯托 Diaz-Aviles公司,

克劳迪娅 Orellana-Rodriguez公司,

伊戈尔准将，以及

雷希玛纳拉亚南·库蒂作者信息和声明

RecSys’21：第15届ACM推荐系统会议记录

2021年9月

页764-767

https://doi.org/10.1145/3460231.3478884

出版:2021年9月13日出版历史

获取访问权限

摘要

时事通讯已经成为出版商直接和更有效地与读者接触的有力工具。尽管受众多样化，出版商的新闻稿在很大程度上仍然是一种一刀切的服务，这是次优的。在本文中，我们介绍了NU:BRIEF，这是一个面向出版商的web应用程序，它使出版商能够在不收集个人数据的情况下对其新闻稿进行个性化设置。个性化的新闻稿形成了一种习惯，成为出版商的一个很好的转换工具，为以广告/点击广告为中心的商业模式提供了另一种以读者为导向的收入模式。

演示：https://demo.nubrief.com/md03PaAJSwXMegL5BbKpQlArK3elb3hDUglcHodx4gE=/

解说员视频：https://www.youtube.com/watch？v=AUZGuyPJYH4

补充材料

MP4文件（2021-09-13-nubrier-recsys-10m.mp4）

NU:BRIEF演示——一个面向出版商的具有隐私意识的新闻稿个性化引擎。时事通讯已经成为出版商直接和更有效地与读者接触的有力工具。尽管受众多元化，出版商的新闻稿在很大程度上仍然是一种一刀切的服务，这是次优的。在本文中，我们介绍了NU:BRIEF，这是一个面向出版商的web应用程序，它使出版商能够在不收集个人数据的情况下对其新闻稿进行个性化设置。个性化的新闻稿形成了一种习惯，成为出版商的一个很好的转换工具，为以广告/点击广告为中心的商业模式提供了另一种以读者为导向的收入模式。

下载
383.37 MB

工具书类

[1]

约翰·S·。Breese、David Heckerman和Carl Kadie。1998年，《协作过滤预测算法的实证分析》，载于《第十四届人工智能不确定性会议论文集》（威斯康星州麦迪逊）（UAI'98）。Morgan Kaufmann Publishers Inc.，美国加利福尼亚州旧金山，43-52。

数字图书馆

[2]

毛里齐奥·费拉里·达克雷马（Maurizio Ferrari Dacrema）、保罗·克雷蒙西（Paolo Cremonesi）和迪特马尔·贾纳赫（Dietmar Jannach）。2019.我们真的取得了很大进展吗？最近神经推荐方法的担忧分析。第13届ACM推荐系统会议记录（丹麦哥本哈根）（RecSys’19）。美国纽约州纽约市计算机协会，101-109。https://doi.org/10.1145/3298689.3347058

数字图书馆

[3]

雅各布·德夫林（Jacob Devlin）、张明伟（Ming Wei Chang）、肯顿·李（Kenton Lee）和克里斯蒂娜·图塔诺娃（Kristina Toutanova）。2019.BERT：深度双向变形金刚语言理解预培训。计算语言学协会北美分会2019年会议记录：人类语言技术，第1卷（长篇和短篇论文）。计算语言学协会，明尼苏达州明尼阿波利斯，4171–4186。https://doi.org/10.18653/v1/N19-1423

[4]

埃内斯托·迪亚兹·阿维莱斯（Ernesto Diaz-Aviles）、卢卡斯·德鲁蒙德（Lucas Drumond）、拉尔斯·施密特·蒂姆（Lars Schmidt-Thieme）和沃尔夫冈·内德尔（Wolfgang Nejdl）。2012.社交流中的实时顶级推荐。第六届ACM推荐系统会议记录（爱尔兰都柏林）（RecSys’12）。美国纽约州纽约市计算机协会，59-66。https://doi.org/10.1145/2365952.2365968

数字图书馆

[5]

辛西娅·德沃克和亚伦·罗斯。2014.差异隐私的算法基础。现在，荷兰苏伊德·霍兰德代尔夫特Lange Geer 44 A 2611 PW。https://www.cis.upenn.edu/~aaroth/Papers/privacybook.pdf

[6]

埃德蒙·李。《纽约时报》。2021.随着增长放缓，《纽约时报》的订阅者数量超过780万。https://www.nytimes.com/2021/05/05/business/media/nyt-new-york-times-earnings-q1-2021.html。访问时间：2021-07-10。

[7]

焦晓琦、尹宜春、尚立峰、新疆、小陈、李林林、王芳和刘群。2020年，TinyBERT：提取BERT用于自然语言理解。arxiv:1909.10351[cs.CL]

[8]

杨柳和米雷拉·拉帕塔。2019.使用预先训练的编码器进行文本摘要。arxiv:1908.08345[cs.CL]

[9]

S.Lloyd公司。2006.PCM中的最小二乘量化。IEEE传输。信息Theor。第28、2页（2006年9月），第129–137页。https://doi.org/10.109/TIT.1982.1056489

[10]

斯特芬·伦德尔（Steffen Rendle）、克里斯托夫·弗洛伊登塔勒（Christoph Freudenthaler）、泽诺·甘特纳（Zeno Gantner）和拉尔斯·施密特·蒂姆（Lars Schmidt-Thieme）。2009年，BPR：来自隐含反馈的贝叶斯个性化排名。《第二十五届人工智能不确定性会议论文集》（加拿大魁北克省蒙特利尔）（UAI'09）。美国弗吉尼亚州阿灵顿AUAI出版社，452-461。

数字图书馆

[11]

斯特芬·伦德尔（Steffen Rendle）、瓦利德·克里钦（Walid Krichene）、李章（Li Zhang）和约翰·安德森（John Anderson）。2020年，神经协同过滤与矩阵分解之比较。第十四届ACM推荐系统会议（巴西虚拟活动）（RecSys’20）。美国纽约州纽约市计算机协会，240-248。https://doi.org/10.1145/3383313.3412488

数字图书馆

[12]

Victor Sanh、Lysandre首次亮相、Julien Chaumond和Thomas Wolf。2020年。DistilBERT，BERT的蒸馏版本：更小、更快、更便宜、更轻。arxiv：1910.01108【化学发光等级】

[13]

萨拉·瓜格利翁（Sara Guaglione）。数字时代。2021.《纽约时报》的目标是将时事通讯读者转变为付费订阅者，因为《晨报》的发行量超过10亿。https://digiday.com/media/the-new-work-times-aims-to-convert-newsletter-readers-into-paid-subscribers/。访问时间：2021-07-10。

[14]

Badrul Sarwar、George Karypis、Joseph Konstan和John Riedl。2001.基于项目的协作过滤推荐算法。第十届万维网国际会议论文集（香港，香港）（WWW'01）。美国纽约州纽约市计算机协会，285-295。https://doi.org/10.1145/371920.372071

数字图书馆

[15]

萨姆·什利弗和亚历山大·M。冲。2020年。训练前总结蒸馏。arxiv:2010.13002[cs.CL]

[16]

Ashish Vaswani、Noam Shazeer、Niki Parmar、Jakob Uszkoreit、Llion Jones、Aidan N Gomez、Łukasz Kaiser和Illia Polosukhin。2017年。关注是你所需要的。在神经信息处理系统的进展中，I.Guyon，U.V。Luxburg、S.Bengio、H.Wallach、R.Fergus、S.Vishwanathan和R.Garnett（编辑），第30卷。Curran Associates公司。https://proceedings.neurips.cc/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-paper.pdf

[17]

王若曦（Ruxi Wang）、拉凯什·希瓦纳（Rakesh Shivanna）、郑德烈（Derek Cheng）、萨加·贾恩（Sagar Jain）、董林（Dong Lin）、洪立灿（Lichan Hong）和池爱德（Ed Chi）。2021.DCN V2：网络规模学习排名系统的深层次、跨网络和实践课程的改进。《2021年网络会议记录》（卢布尔雅那，斯洛文尼亚）（WWW'21）。美国纽约州纽约市计算机协会，1785-1797年。https://doi.org/10.1145/3442381.3450078

数字图书馆

建议

利用用户兴趣进行协同过滤：通过个性化排名进行兴趣扩展
CIKM’10：第19届ACM信息和知识管理国际会议记录

在实际应用程序中，给定的用户根据自己的兴趣购买或评价一个项目。学习利用这些感兴趣的信息对于推荐系统来说通常是至关重要的。然而，在现有的推荐系统中，潜在用户的信息。。。
阅读更多信息
私密增强型个性化
CHI EA’06：CHI’06计算机系统人为因素扩展摘要

消费者调查显示，在线用户重视个性化内容[5]。同时，在网站上提供个性化似乎对网络供应商来说非常有利可图[2,6-8]。然而，这种双赢局面受到隐私问题的影响，因为。。。
阅读更多信息
基于协同采购数据的分层视觉最小最大排序个性化推荐
WWW’20：2020年网络会议记录

个性化推荐旨在根据用户学习到的偏好对一组项目进行排名。现有的方法通过将用户尚未购买的商品视为负面商品并假设。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM会议

RecSys’21：第15届ACM推荐系统会议记录

2021年9月

883页

国际标准图书编号：9781450384582

内政部：10.1145/3460231

版权所有©2021所有者/作者。

允许制作本作品的部分或全部数字或硬拷贝供个人或课堂使用，但不收取任何费用，前提是复制品的制作或分发不是为了盈利或商业利益，并且复制品在首页注明本通知和完整引文。必须尊重本作品第三方组件的版权。对于所有其他用途，请联系所有者/作者。

赞助商

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2021年9月13日

检查更新

作者标记

限定符

演示
研究
推荐有限公司

资金来源

爱尔兰企业

会议

21年RecSys

赞助商：

21年RecSys：第十五届ACM推荐系统会议

2021年9月27日至10月1日

荷兰阿姆斯特丹

接受率

1295份提交文件中的总体接受率为254份，20%

即将召开的会议

24年RecSys

赞助商：
西奇

第18届ACM推荐系统会议

2024年10月14日至18日

巴里，意大利

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

0
引文总数
145
总下载次数

下载次数（过去12个月）17
下载次数（最近6周）0

其他指标

查看作者指标

引文

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

查看选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

HTML格式格式

在中查看本文HTML格式格式。

媒体

数字

其他

桌子