基于用户角度的新闻内容个性化推荐研究

李云霞 李伟

摘要：信息化时代，人们面临的信息过载问题日益严重，如何从海量信息中快速、准确地获取自己感兴趣的内容成为亟待解决的问题。新闻内容个性化推荐技术应运而生，旨在根据用户的需求和兴趣推荐新闻内容，提升用户的阅读体验和满意度。然而，目前大多数新闻推荐系统仍然采用基于内容相似度或协同过滤等传统方法，往往无法精确把握用户的个性化需求。文章指出，传统媒体和新媒体融合发展已经成为行业共识，主流媒体的新闻传播活动也从单一的“发布”转向了“推送”，新闻内容个性化推荐是用户参与新闻生产的有效方式，能够满足不同用户的个性化需求，提高用户参与感和归属感，增强传播效果。文章从新闻内容个性化推荐技术的概念及基本原理入手，分析新闻内容个性化推荐的主要技术，从数据收集与分析、建立用户画像、推荐算法实现和采写算法实现四个方面阐述新闻内容个性化推荐与采写的实现步骤，并提出媒体在做好内容建设工作基础上的内容个性化推荐与采写的路径，旨在为用户提供更加优质的信息服务。

关键词：用户角度；新闻内容；个性化推荐；信息化

中图分类号：G210.7 文献标志码：A 文章编号：1674-8883（2023）07-0087-03

互联网上每天都会产生大量的信息，而这些信息往往是分散、杂乱的，如何从中挖掘出有价值的新闻线索展开采写，为用户提供所需要的信息是一个难题。个性化推荐与采写有利于为用户提供感兴趣的内容，而这一点正是互联网技术的核心价值。个性化推荐技术就是为了解决这个难题而诞生的。

一、新闻内容个性化推荐技术的概念及基本原理

在新闻内容个性化推荐过程中，需要从用户角度出发，分析用户的行为数据，运用大数据、人工智能等技术，对用户行为进行建模，如用户的阅读历史、浏览历史、行为偏好等数据，然后将用户与新闻内容进行匹配，根据匹配结果为用户推荐相关的新闻内容[1]。通过这种方式，可以有效地解决记者“不懂”“不会”推荐信息的问题，从而更好地满足用户对信息的个性化需求。

（一）什么是新聞内容个性化推荐

新闻内容个性化推荐是利用大数据、人工智能等技术，对用户的行为进行分析，根据用户的兴趣偏好来为用户推荐相关的新闻内容[2]。新闻内容个性化推荐技术是当前应用比较广泛的一种个性化信息服务技术[3]，主要包括以下几个方面：第一，分析用户的浏览历史、消费历史、兴趣偏好等数据，并通过分析这些数据来建立用户与新闻内容之间的关联；第二，利用机器学习技术建立用户对新闻内容的评分模型[4]，根据用户的评分情况来为用户推荐相关的新闻内容；第三，通过基于内容过滤算法来为用户推荐相关的新闻内容[5]。

在这个过程中，还可以通过其他一些技术来更好地实现个性化推荐。

（二）基本原理与方法

新闻内容个性化推荐过程，主要是基于用户兴趣偏好进行内容推荐，可以有效地解决“信息过载”和“信息窄化”问题，帮助用户获取到最有价值的新闻[6]。其基本原理是利用相关技术对用户行为进行分析，并对用户的兴趣偏好进行建模，然后将用户与新闻内容进行匹配，最后根据匹配结果，为用户推荐相关的新闻内容[7]。例如，通过分析用户在手机端上的浏览记录、行为偏好、搜索记录等来建立用户行为模型，然后通过构建相似度计算模型来计算用户之间的相似度，根据相似度计算结果，为用户推荐相关的新闻内容。

目前，新闻内容个性化推荐的技术主要包括：一是协同过滤算法。该算法根据用户的历史浏览记录和兴趣偏好，找到与用户口味相似的其他用户，然后将这些用户感兴趣的新闻推荐给目标用户。二是基于内容的推荐算法。该算法通过对新闻内容的分析，提取关键词、主题等信息，然后将与用户兴趣相关的新闻推荐给目标用户。三是深度学习算法。该算法利用神经网络模型对新闻内容进行深度分析，从而实现更准确、更精细的个性化推荐。四是基于语义相似度的推荐算法。该算法通过计算新闻之间的语义相似度，将与用户已读新闻相似的新闻推荐给目标用户。五是基于情感分析的推荐算法。该算法通过对新闻内容的情感分析，将具有相似情感的新闻推荐给用户，从而更好地满足用户的情感需求[8]。这些技术有着各自的优缺点，需要根据具体应用场景和用户需求选择适合的算法来进行个性化推荐。

二、新闻内容个性化推荐与采写的实现

（一）数据收集与分析

数据是新闻内容个性化推荐与采写的基础，主流媒体在新闻内容的生产过程中，要充分利用好用户数据、社交数据、设备数据等多种类型的数据资源，结合技术手段对这些数据进行分析和处理。当前，主流媒体在新闻内容的生产过程中，主要通过用户行为习惯分析、用户画像等方式分析用户[9]。

在用户行为习惯分析方面，主流媒体可以借助大数据分析技术，对用户浏览记录、访问轨迹等进行分析。在对用户行为进行分析时，首先要对用户访问过的页面进行抓取，并对抓取到的页面进行分词和词性标注，然后通过自然语言处理技术构建出用户兴趣模型，最后根据用户兴趣模型，向用户推荐相关新闻内容。

在用户画像方面，主流媒体可以通过爬虫技术、文本挖掘技术等手段构建出用户画像[10]。主流媒体可以利用爬虫技术爬取互联网上的新闻内容数据，利用文本挖掘技术从这些数据中提取出文本信息、行为信息等有价值的信息。

（二）建立用户画像

用户画像是指通过对用户的行为、偏好等进行收集、整理和分析，形成的一个可以反映用户基本特征的“数字档案”。通过对用户数据的挖掘和分析，能够实现对用户特征的刻画，从而帮助媒体更好地了解用户需求，提升新闻内容制作的针对性和有效性。在新闻内容个性化推荐过程中，要通过技术手段建立和完善用户画像。主流媒体要充分利用大数据、人工智能等技术手段，依托平台数据进行内容采集、生产与分发，在此基础上建立用户画像[11]。

（三）推荐算法实现

基于内容的推荐算法（Content Based Rank，CBR）是目前应用最广泛的个性化新闻推荐算法[12]。CBR算法通过挖掘用户与内容的关系，根据用户的历史行为数据和行为偏好进行个性化推荐。CBR算法可以根据用户在网络上留下的痕迹、浏览的内容等，进行个性化推荐，满足用户对内容的需求。同时，CBR算法还可以根据用户不同兴趣爱好、不同行为特征进行个性化推荐，具有较强的针对性。

（四）采写算法实现

新闻内容个性化推荐的实现，可以基于个性化推荐算法，通过内容的相似性与用户的相似度进行匹配，然后根据用户的需求和兴趣偏好，为其推荐相应的内容，实现个性化的新闻传播[13]。在新闻内容个性化推荐中，要注意以下几个方面。

第一，需要充分考虑用户需求和兴趣偏好。用户不仅对感兴趣的新闻内容有强烈需求，还会对其他类型的新闻内容有很大需求。

第二，需要在做好内容建设工作的基础上进行个性化推荐。主流媒体要做好内容建设和服务创新工作，同时也要注重用户参与和互动，对用户感兴趣的话题、领域进行重点关注，提高用户参与感和归属感。

第三，要注意在信息采集过程中保护用户隐私。主流媒体要避免过度曝光和传播不实信息，这不仅会导致用户隐私泄露问题的发生，还会给平台带来负面影响。因此，主流媒体在做好内容建设工作的同时，要注重信息采集过程中的隐私保护。

三、新闻内容个性化推荐与采写的应用路径

（一）新闻客户端应用

新闻客户端是目前主流媒体内容传播的主要渠道，也是用户获取信息的重要渠道，对新闻客户端进行个性化内容推荐和采写，是增强主流媒体新闻传播效果的重要方式。新闻客户端应用一方面可以为用户提供更好的服务，另一方面可以为用户提供更多个性化内容推荐服务。

新闻客户端具有一定的社交属性，根据用户浏览过的内容、收藏过的内容等信息，对用户进行内容推荐。在新闻客户端中，用户可以根据自己的兴趣爱好进行个性化阅读。这种阅读方式，可以增强用户的参与感，提高用户对主流媒体新闻资讯内容的关注度和阅读兴趣。

主流媒体也可以利用新闻客户端开展更多个性化服务。比如，为用户提供个性化推荐服务、个性化定制服务等。主流媒体可以依托自身资源优势和技术优势，通过新闻客户端开展个性化内容推荐和采写服务。比如，人民日报、新华社等主流媒体在新闻客户端中探索了多种个性化推荐形式：一是通过技术手段分析用户兴趣爱好、行为数据等，为用户进行个性化内容推荐；二是在新闻客户端中设置“定制”或“订阅”频道，根据用户需求和兴趣偏好进行个性化定制；三是在新闻客户端中设置“我的频道”栏目，根据用户行为习惯进行个性化内容推荐。

（二）新闻网站应用

个性化推荐技术能够为用户提供“千人千面”的信息服务，满足用户的个性化需求，为用户提供更精准、更优质、更适合他们的新闻内容[14]。在新闻网站中，个性化推荐技术应用主要体现在新闻网站编辑根据用户的阅读习惯和兴趣爱好，通过算法识别并推荐与用户兴趣相符的内容。同时，还可以通过对用户的关注数据进行分析，精准识别和捕捉目标受众，从而为新闻内容的呈现提供依据。

在新闻网站中，个性化推荐技术可以根据用户对相关新闻的关注和阅读习惯等信息，将不同类型、不同属性的新闻内容精准地推荐给不同用户。这种推送方式能够帮助新闻网站增强用户黏性，满足用户个性化需求。以今日头条为例，该平台通过算法推荐技术，将海量信息按照兴趣分类展现在用户面前，让不同类型的用户都能在第一时间获取自己感兴趣的信息。

同时，该平台还通过个性化推荐技术，将这些内容以消息、图表、专题等形式呈现给用户。通过个性化推荐技术实现的精准推送，不仅可以让用户对自己感兴趣的信息进行阅读，还可以让用户从“被动接受”变为“主动选择”。

个性化推荐技术应用在新闻网站中还能发挥重要作用。今日头条不仅能根据用户喜好推送新闻内容，还能根据不同新闻内容的属性和传播特点进行个性化推荐。例如，在对重大突发事件进行报道时，今日头条会根据事件特点、最新进展等信息，为用户推荐相关领域的新闻内容。同样以今日头条为例，该平台通过个性化推荐技术，根据用户关注数据和阅读数据对新闻内容进行分析和处理，将新闻内容分发给关注该话题的高质量内容爱好者和相关领域专业人士。在这种个性化推荐技术的支持下，今日头条能够更好地满足不同类型用户的需求。同时，该平台还通过个性化推荐技术提高了新闻内容的质量和传播力。

（三）新闻社交媒体应用

用户的需求和兴趣偏好是个性化推荐的重要依据，用户的反馈和参与能够更好地进行个性化推荐。新闻内容个性化推荐与用户的兴趣偏好有着紧密联系，新闻内容个性化推荐能够为用户提供更加丰富、全面的内容，提高用户满意度[15]。

新闻社交媒体能够为新闻内容个性化推荐提供支持。随着社交媒体平台的普及，新闻内容可以通过社交媒体平台进行分发，用户可以在社交媒体上分享和订阅自己喜欢的新闻内容。主流媒体可以借助社交媒体平台，为用户提供更丰富的新闻内容。例如，《纽约时报》通过 Facebook 和 Twitter 等平台，向用户推送纽约最新疫情情况等相关信息，既满足了读者对疫情信息的需求，也让读者了解了美国疫情发展情况。

为了实现新闻内容个性化推荐和采写，需要满足不同用户的兴趣偏好。目前，主流媒体对新闻内容个性化推荐还没有形成系统的认知，如何为不同类型用户提供更好、更具针对性的新闻内容仍然是值得关注和探索的问题。在此背景下，主流媒体可以借助社交媒体平台开展相关实践活动。

四、结语

新闻内容个性化推荐技术是一种基于用户兴趣偏好和历史阅读行为等信息，为用户量身定制新聞内容的技术，具有广阔的发展前景。但通过个性化推荐技术，用户可能只看到自己感兴趣的内容，缺乏了解和接触其他领域的机会，容易形成“信息茧房”效应，需要做进一步的改进。

参考文献：

[1] 周帅，都云程，张仰森.个性化新闻推荐研究进展[J].计算机技术与发展，2023，33（2）：1-8.

[2] 吕妍.新闻个性化走向智媒体：新闻编辑业务的创新研究[J].新闻文化建设，2022（21）：175-177.

[3] 夏艳.新闻评论的个性化表达探讨[J].西部广播电视，2022，43（19）：58-60.

[4] 蒲岍岍，雷航，李贞昊，等.增强列表信息和用户兴趣的个性化新闻推荐算法[J].计算机科学，2022，49（6）：142-148.

[5] 赵怀智.个性化新闻的推送：弊端及解决措施[J].湖北科技学院学报，2022，42（4）：90-96.

[6] 公沛然.个性化新闻推送的影响[J].中国地市报人，2022（6）：68-69.

[7] 蒲岍岍.个性化重排的新闻推荐算法研究及系统实现[D].成都：电子科技大学，2022.

[8] 杨浩琛.新闻评论的个性化表达探讨[J].新闻传播，2022（3）：101-102.

[9] 牛琛琛.个性化新闻推送对新闻业务链的重塑[J].西部广播电视，2021，42（20）：16-18.

[10] 谢新洲，王强.个性化新闻推荐发展动力及趋势研究[J].新闻爱好者，2020（6）：4-9.

[11] 王豪.个性化新闻推荐系统的设计与实现[D].北京：北京邮电大学，2019.

[12] 朱满洲.基于协同过滤的个性化新闻推荐系统的设计与实现[D].南京：南京理工大学，2019.

[13] 王金红，杨巧丽，于雅婷.智媒时代“个性化新闻”的传播特性[J].西部广播电视，2018（16）：75-76.

[14] 姜霄晗，李烈鹏.新闻个性化推荐的交互性策略分析[J].新媒体研究，2018，4（11）：91-93.

[15] 匡文波，陈小龙.论新闻个性化推荐系统[J].新闻论坛，2018（2）：27-30.

作者简介 李云霞，编辑，研究方向：新闻采编。 李伟，助理编辑，研究方向：新闻采编。