李 琳，王 莉

（辽宁科技大学 计算机与软件工程学院，辽宁 鞍山 114051）

信息技术的快速发展使信息快速传播，如何更快、更好地获取到对自己有价值的信息至关重要。当前，推荐系统作为处理这一问题最重要的方式之一，遍及各个领域。协同过滤推荐是当前使用频率最高的推荐技术。新闻推荐与电影和音乐推荐等最大的差异是注重时效性。黄贤英等［1］在传统协同过滤的基础上提出了时间窗的概念，使兴趣被及时捕获。冯文杰等［2］通过协同过滤进行新闻推荐时，针对时效性提出改进，提高了推荐的准确性。Jiang等［3］提出一种即时算法和系统架构以满足实时性要求。协同过滤方法目前尚未解决的问题冷启动问题，新进入系统的用户或者对新闻缺乏足够点击量的用户，系统无法对其兴趣进行推测，只有获得足够点击量时，系统才可以向他们进行推荐，这个过程通常需要一定的时间［4］。与协同过滤相比，基于内容推荐可以缓解这一问题。韩东冉［5］改进了基于内容的推荐系统，从多个方面对文本进行处理。Hamed 等［6］使用统计语言建模框架开发了一个基于内容的过滤系统。尽管基于内容推荐可以缓解冷启动问题，但是长期使用会产生信息茧房。将协同过滤与基于内容的推荐相融合，既可以保证多样化又可以缓解冷启动问题，广泛应用在新闻相关的推荐领域［7］。毕曦文等［8］将多种方法进行融合，根据需求进行个性化推荐。Yan 等［9］根据用户偏好提出一种结合用户偏好的协同过滤算法。……