计算机科学与探索

作者：杨智勇, 陈佳慧, 许沁欣

单位：1. 重庆师范大学 计算机与信息科学学院，重庆 4013312. 重庆工程职业技术学院 大数据与物联网学院，重庆 402260

关键词：图卷积网络,交互图,时间感知,动态偏好

基金：重庆市教育委员会科学技术研究计划项目（KJQN202103413）。

针对现有新闻推荐系统在动态特征提取中未能有效挖掘用户交互数据与阅读习惯信息的问题，提出一种基于时间特征的图卷积网络模型TimelyGCN。该模型充分考虑用户停留时长、阅读行为的时序特征以及新闻的生命周期属性，以刻画用户兴趣的演化和新闻内容的新鲜度变化。在新闻特征提取阶段，引入阅读时长数据，并结合时态建模与语义分析，深度挖掘用户与新闻内容的动态关联。同时，构建用户-新闻交互图，并在预训练阶段将行为时间序列特征与新闻生命周期属性作为复合权重融入图结构中，以显式建模用户兴趣的时间依赖性，从而增强模型对新闻消费模式的适应能力。在推荐预测阶段，进一步结合新闻的剩余生命周期信息，采用动态权重调控机制优化候选新闻的曝光优先级，以平衡个性化推荐与新闻内容时效性之间的关系，从而提升推荐效果的精准度和实时性。实验结果显示，提出的模型在Adressa数据集上有效提升了推荐性能，相较于现有基线网络方法，在AUC、MRR、nDCG@5和nDCG@10指标上均取得了不同程度的提升。

来源：2025年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第11期