朱若馨，李研伟

（陕西国防工业职业技术学院 陕西 西安 710300）

1 引言

近年来，很多用户都喜欢使用在线新闻网站和手机APP来进行新闻阅读[1]。但是，由于每天都有大量新闻产生和发布，用户难以在有限的时间内从大量新闻中找到自己感兴趣的内容，面临严重的新闻信息过载[2]。个性化新闻推荐可以根据用户个人兴趣对候选新闻进行排序展示，是提升用户在线新闻阅读体验的一项重要技术。如何设计一个高效、精准的个性化推荐系统是新闻平台的关键问题[3]。

2 系统推荐流程及设计

个性化新闻推荐的简化流程见图1[4-5]：从用户阅读历史中挖掘用户兴趣，再根据用户兴趣对候选新闻进行个性化排序，最终将排名靠前的新闻展示给用户。虽然对推荐系统已开展了广泛的研究，但现有推荐算法仍然存在局限性：（1）新闻有强时效性。新闻平台每天会产生大量新的新闻，而旧的新闻会快速消失。这带来了严重的冷启动问题，导致许多如协同过滤等依赖用户行为的推荐方法无法使用；（2）新闻文章具有丰富的文本，这些文本包含重要信息未被利用，不能简单地使用ID等特征来表示新闻；（3）准确地建模用户对新闻的兴趣存在挑战。用户的兴趣通常比较多样并随时间动态演化，需要基于大量的用户反馈行为来挖掘和建模。然而新闻平台上往往不具有显式的用户反馈，甚至隐式反馈也十分稀疏。因此，新闻推荐是一个重要并具有挑战性的研究课题。……