数据库技术信息与电脑China Computer&Communication2016年第6期新闻内容推荐算法研究王 博（甘肃省科学院，甘肃 兰州 730000）摘 要：随着当前互联网技术不断发展与进步，人们获取新闻的途径以及方式也呈现多元化。在21世纪的今天，逐渐从信息缺乏的时代逐渐发展到信息充裕的时代。对于当前的新闻媒体来说，通过对用户需求以及个人偏好来推荐新闻内容逐渐成为人们关注的焦点。笔者主要对新闻内容推荐算法的相关研究进展进行了文献梳理以及回顾。关键词：新闻内容；推荐算法；互联网中图分类号：TP391.3 文献标识码：A 文章编号：1003-9767（2016）06-146-02 进入21世纪以来，全球互联网信息技术的发展，促进人具有一定的从众心理，当出现热点社会事件时，人们就会新闻内容的传播也进入了一个全新发展阶段。在海量信息数对这类社会事件进行围观。例如，2015年的马航失联事件是据日益增加的今天，可供人们使用的网络信息资源也在不断一个社会热点话题，许多人在网上对这个事件进行了围观。丰富与发展，网络数据量呈现增长的发展趋势。截止到2015年，我国网民数量已增加至6.88亿。从中国互联网普及率来２ 新闻内容推荐算法的分类看，已超过50%，与全球平均水平相比，已超过3.9个百分点。从当前新闻内容推荐技术的发展来看，可以分为以下三同时有超过80%的网民使用了新闻信息服务。基于此，笔者种：基于内容的新闻内容推荐算法、基于协同过滤的新闻内在本文的研究中主要分析了新闻内容的推荐算法，从而为新容推荐算法以及混合模式下的新闻内容推荐算法。闻网站内容的推荐算法提供一定参考以及借鉴。2.1 基于内容的推荐算法１ 移动互联网背景下新闻特点分析从基于内容的新闻推荐算法来看，这是一种比较传统的新闻内容推荐算法。这种推荐算法主要是通过对用户的历史1.1 主题的标签化特点行为进行分析，并且收集与用户相关联的历史新闻，从而在从当前互联网发展环境来看，在我国移动互联网迅速发新闻中查找与之相同的新闻推荐给网络用户。这种新闻算法展背景下，人们在搜索新闻时需要通过搜索新闻主题获取自的本质就是查找与用户兴趣度模型最契合的新闻，从而推荐己想要的新闻。在这个搜索过程中，主要是确定新闻内容标用户感兴趣的新闻内容。这种新闻推荐算法的重点是对推荐签。从新闻内容标签来看，可以根据人物、事件以及新闻情给用户的新闻内容特征进行挖掘，根据网络用户特征对推荐境来分类。对象进行相关研究，这个研究主要表现在匹配研究上。因此，1.2 新闻内容的实时播报性在这种新闻推荐算法的影响下，首先需要对用户之前的新闻在当前我国互联网技术发展的推动下，我国的新闻内容内容进行详细描述，然后构建用户兴趣模型。开始实现实时播报。出现这种情况的主要原因是由于在我国2.2 基于协同过滤的推荐算法移动互联网平台下，网络用户的新闻服务能够为其提供支持。基于协同过滤的新闻内容推荐算法，主要是依据网络用在移动互联网迅速发展背景下，我国的互联网网络用户可以户与新闻内容自身的协同性来实现以及完成的。与基于内容通过各种无线网络平台阅读新闻，同时各大新闻平台也能通的新闻推荐算法不同，基于协同过滤的新闻内容推荐算法的过各种社交媒体来发布新闻。因此，对于新闻工作者来说，重点是将相同用户组喜欢的新闻内容进行推荐，同时这些用他们可以通过这种实时播报的特点保证新闻发布与传播的有户能够接触到之前没有接触过的领域，但是从现实情况来看，效性与快速性。由于许多用户的历史记录过少，使得协同过滤的新闻推荐不1.3 新闻内容的围观性能得到有效执行。基于协同过滤的新闻内容推荐方法主要依在我国的移动互联网平台中，新闻平台具有一定的围观据以下原理：在新闻推荐过程中，需要根据网络用户对于不性。从当前网络新闻热点的发展来看，这种围观性主要表现同种类新闻的偏好程度来挖掘与用户新闻偏好相同的用户，在对于事件以及政策的围观。从社会心理学角度来看，很多并且形成一个相邻用户集，最终根据形成的相邻用户集中的作者简介：王博（1986-），男，陕西咸阳人，硕士，助理工程师初级。研究方向：软件工程领域工程。— １４６ —2016年信息与电脑3下-正文.indd1462016/5/915:09:02信息与电脑2016年第6期China Computer&Communication数据库技术用户历史偏好向用户推荐新闻内容。这种新闻内容推荐算法效解决这个问题，但是基于内容的新闻推荐算法能够解决这的主要优点是从用户浏览以及购买等一些隐性数据中对用户个问题。从混合的新闻内容推荐算法来看，这种推荐算法主偏好进行分析，而且不需要用户主动提交自己的相关信息，要是吸收了基于协同过滤以及基于内容的新闻算法各自的优而且不需要对网络用户进行严格的数学建模。因此，在这种缺点，最后形成的一种新的新闻内容推荐算法，因此，在优新闻内容推荐算法影响下，挖掘出来的网络用户十分开放，点以及缺点上也是各占一半。同时能够共用其他网络用户的个人经验，从而不断挖掘潜在从各个推荐算法的实际应用现状来看，基于协同过滤的用户的个人喜好以及新闻偏好。新闻内容推荐算法的重点是利用用户的以往信息和数据等，2.3 混合的推荐算法以此为基础来计算用户与用户之间的相似性，然后与目标用混合的推荐算法主要是将基于内容的推荐算法与基于户相似性较高的相邻用户进行有效结合，最后对其他产品爱协同过滤的推荐算法进行有效结合，从而形成新的新闻推荐好者以及选择者进行有效推荐。算法。对于混合的新闻内容推荐方法来说，其能够根据不同算４ 结 语法以及不同模型创造一个更加符合网络用户需求的新闻内容本文针对新闻推荐涉及对象的多样性、复杂性和异构性推荐方法。在这种新闻推荐内容算法影响下，人们可以采用等基本特点，分析了不同的新闻内容推荐算法，同时对这些不同组合的新闻内容推荐算法。通过将不同的新闻内容推荐算法进行了对比分析。在当前数据信息爆炸的时代，对用户算法进行有效集合，能够计算出不同的新闻内容推荐结果。的个人需求以及个人偏好进行有效识别及筛选，从而能够把这种新闻内容推荐算法组合也可以被称为新闻内容推荐的分新闻内容准确推荐给网络用户，这样能够有效提高用户的黏层机制。着度，有效防止用户流失，从而有针对性地根据用户需求进３ 新闻内容推荐算法比较行新闻内容推荐。从上文分析的新闻内容推荐算法各自不同的优缺点对比参考文献来看：基于协同过滤的新闻内容推荐算法可以推荐新的信息，[1]王国霞,刘贺平.个性化推荐系统综述[J].计算机工同时能够发掘潜在用户的兴趣爱好，通过这种算法能够自动程与应用,2012(7):69-76.过滤掉机器无法识别的信息，例如相关的音乐以及电影等。[2]占自华.微博研究评述[J].济南大学学报(社会科学从这种新闻内容推荐算法的不足来看，主要表现在以下几点：版),2011(1):34-37.打分稀疏性问题、冷启动问题、算法可扩展问题等。从基于[3]刘鲁,任晓丽.推荐系统研究进展及展望[J].信息系内容的新闻推荐算法来看，其可以有效解决冷启动问题，这统学报,2009(1):82-90.里的冷启动问题主要是指新用户以及新产品的相关问题。由[4]王广新.基于微博的用户兴趣分析与个性化信息推荐于新用户没有相关的新闻选择记录，新产品没有得到相关的[D].上海:上海交通大学,2013.关注度，因此，基于协同过滤的新闻内容推荐算法不能够有— １４７ —2016年信息与电脑3下-正文.indd1472016/5/915:09:02
