江涛

摘 要：对网络上庞大的新闻资讯，如何发展一个个性化的新闻推荐系统，自动地推荐使用者感兴趣的新闻，是一个备受重视的课题。文章提出一个个性化新闻推荐系统，此系统将建立一个新闻本体，并通过深度学习计算使用者偏好，以此达到推荐个性化新闻的目的。此新闻本体以分析新闻的词汇为基础，并参考专家的分类。其中，每个类别包含特定数量的代表性词汇，而这些词汇以时事新闻进行TF-IDF统计而得。对每一则新闻，系统将计算该则新闻所包含的词汇与新闻本体中代表性词汇的相似度，定义为新闻的特征向量，并将此特征向量输入多层次类神经网络进行深度学习计算得出新闻推荐值。实验结果显示，相较于随机推荐，文章所提出的方法可以较大地提升推荐成功的比率，神经网络将由推荐值来判断是否推荐给使用者，若是使用者未点击阅读此新闻，判断为使用者不喜欢此篇新闻，神经网络将会进行修正，使之越来越接近真实的使用者偏好。

关键词：使用者偏好;新闻推荐;深度学习;TF-IDF

0 引言

在网络新闻普及的今天，大量的新闻网站如腾讯新闻、网易新闻、中国青年电子报等众多媒体平台的普及，配合智能手机、平板与5G网络技术的发展，人们也越来越依赖智能型设备在任何时间、地点，通过网络来从事各式各样的活动，例如：可以使用手机浏览器阅读网络新闻，部分新闻媒体也推出专属手机 APP 以供阅读，新闻的即时性已然与过去的一日一报大不相同。……