Bài báo này nêu bật vấn đề là các phương pháp hiện có để tạo tiêu đề được cá nhân hóa dựa trên dữ liệu nhấp chuột trước đây của người dùng không tính đến tiếng ồn nhấp chuột không liên quan trong luồng nhấp chuột, có khả năng tạo ra các tiêu đề không khớp với sở thích thực tế của người dùng. Để giải quyết vấn đề này, chúng tôi đề xuất một khuôn khổ mới, PHG-DIF (Khung tạo tiêu đề được cá nhân hóa thông qua việc loại bỏ tiếng ồn sở thích giả khỏi phản hồi ngầm). PHG-DIF loại bỏ tiếng ồn luồng nhấp chuột thông qua bộ lọc kép dựa trên thời gian dừng ngắn và các đợt nhấp chuột bất thường, đồng thời mô hình hóa động các sở thích đa dạng và đang phát triển của người dùng thông qua hợp nhất thời gian nhiều cấp để đạt được hồ sơ người dùng chính xác. Hơn nữa, chúng tôi trình bày một tập dữ liệu chuẩn mới, DT-PENS, bao gồm dữ liệu nhấp chuột từ 1.000 người dùng và khoảng 10.000 tiêu đề được cá nhân hóa có chú thích. Kết quả thử nghiệm chứng minh rằng PHG-DIF giảm thiểu đáng kể tác động tiêu cực của tiếng ồn nhấp chuột và đạt được hiệu suất tiên tiến.
