魏茂

摘要：本文首先对基于用户、项目和模型的协同过滤算法在新闻推荐系统中的应用进行对比；接下来，着重对基于关联规则、聚类、分类、回归、矩阵分解模型的协同过滤算法在新闻推荐系统中的应用进行对比；最后，阐述了协同过滤算法在新闻推荐系统中的运用所面临的挑战及今后需努力的方向。

关键词：新闻推荐协同过滤算法算法比较

一、引言

随着互联网的飞速发展，上网浏览新闻已成为网民们的习惯，然而海量的新闻并不一定都是网民们所关注的，广泛的阅读会严重影响阅读效率，因此新闻推荐应运而生[1]。新闻推荐是指通过用户信息和新闻内容，根据一定的推荐算法，智能地找到与用户兴趣偏好相匹配的新闻，尽可能多地主动推荐给用户，以提高用户阅读新闻的效率和质量。

推荐算法是新闻推荐最核心和关键的部分，其性能的优劣直接影响推荐的质量，目前常用的推荐方法包括：基于内容的推荐，基于协同过滤的推荐等，其中协同过滤推荐（Collaborative Filtering Recommendation）是目前应用最为成功的个性化推荐技术，包括在线和离线过滤两部分，具体又涵盖多个分支，其应用促进了新闻推荐系统的发展。

二、新闻推荐系统的过程体系

新闻推荐系统的核心过程为：数据的收集和预处理，选用适合的推荐算法，推荐效果评价，如图1所示。

1.数据的收集和预处理包括：1）形成用户档案和候选新闻集，包括：用户的个人相关信息、用户浏览新闻的数据、传感器感知的上下文数据，如：时间、地理位置、情绪等等；……