田 萱，丁 琪，廖子慧，孙国栋

1.北京林业大学 信息学院，北京100083

2.国家林业草原林业智能信息处理工程技术研究中心，北京100083

+通信作者E-mail:tianxuan@bjfu.edu.cn

新闻推荐（news recommendation，NR）是一种缓解新闻信息过载的有效方式，能帮助用户从众多的新闻资源中筛选并推送其可能感兴趣的新闻[1-2]。目前，各大新闻APP如今日头条和新闻网站如MSN News等都在其商业系统中嵌入了推荐算法，以提供千人千面的新闻推荐，提升用户体验。例如今日头条从新闻内容特征、用户个人特征与所处环境特征三个维度构建新闻推荐算法，并成功应用于其平台[3-4]。相比于商品、电影、音乐等其他推荐，NR 具有新闻时效性强、语义信息丰富、用户兴趣变化多样等特点，在用户整体偏好建模、用户时序兴趣建模、新闻建模等子任务方面面临着挑战。近年来NR 成为国内外众多科研机构研究的热点，获得了信息检索、数据挖掘和人工智能等领域国内外学术会议的高度关注[5-6]。

深度学习（deep learning，DL）是一种表征学习（representation learning）方法[7]，已广泛应用于自然语言处理、图像处理和语音识别等领域。基于深度学习的新闻推荐（deep learning based news recommendation，DNR）研究与日俱增，成为当前推荐系统研究领域热点之一。目前已经有多篇相关综述性论文涉及调研DNR 技术，如文献[8-9]从深度学习技术角度剖析了推荐算法，多处提及到前沿的DNR 技术；文献[10-11]从个性化新闻推荐框架角度介绍了几种基于深度学习的新闻推荐模型等。然而，这些文献都缺乏对DNR 的系统性、全面性分析，未能表达出深度学习模型针对新闻推荐任务的设计特色和方法特征。……