新闻推荐系统：基于内容的推荐算法（Recommender System：Content-based Recommendation）

最新推荐文章于 2025-03-15 22:24:27 发布

蓝色枫魂

最新推荐文章于 2025-03-15 22:24:27 发布

阅读量5.7w

点赞数 49

本文链接：https://blog.csdn.net/qq_32690999/article/details/77434381

版权

2018/10/04更新

这篇文章似乎被越来越多的小伙伴看到了，所以觉得有必要做一些进一步的详细说明。

首先按照本文所讲解的推荐思路进行新闻推荐的推荐系统，我已经实现并已经放在Github上了。欢迎小伙伴们积极star和fork，更欢迎随时提建议，我们一起交流学习。

本推荐系统是与新闻客户端解耦的，这意味着任何做新闻客户端开发的小伙伴，如果想在自己的app里加上推荐模块的话，都可以直接很方便地把这个系统拿过去用，只需要按照项目说明文档进行一些简单的数据库配置即可。

另外，最近我准备着手开发一个基于ios的新闻客户端app模板，一方面是为了学习ios开发，另一方面也是为了将自己的推荐系统应用于其中。所以如果以后有哪个小伙伴想在自己的app里加入新闻模块，也欢迎直接fork我的新项目。

再次谢谢读者朋友们的支持！有任何问题欢迎联系！（TomQianMaple@Gmail.com）

因为开发了一个新闻推荐系统的模块，该系统包括了协同过滤、基于内容的推荐和基于热点新闻的三种推荐算法。而基于内容的推荐算法（Content-Based Recommendation）部分，我查阅了许多资料，于是借此机会，基于自己看了网上各种资料后对该分类方法的理解，用尽量清晰明了的语言，结合算法和自己开发推荐模块本身，记录下这些过程，供自己回顾，也供大家参考~

正文

一、基于内容的推荐算法 + TFIDF

主流推荐算法大致可分为：

基于内容（相似度）的推荐
基于用户/物品相似度的协同过滤
热点新闻推荐（你看到的那些头条新闻）
基于模型的推荐（通过输入一些用户特征进入模型，产生推荐结果）
混合推荐（以上十八般兵器一起耍！）

(本文只详述基于内容的推荐，其它的推荐方法大家可以另行搜索。)

概念

基于内容相似度的推荐：顾名思义，把与你喜欢看的新闻内容相似新闻推荐给你。基于内容的推荐算法的主要优势在于无冷启动问题，只要用户产生了初始的历史数据，就可以开始进行推荐的计算。而且随着用户的浏览记录数据的增加，这种推荐一般也会越来越准确。

这里有两个重要的关键点需要首先有个基本理解：

怎么知道用户喜欢看那些新闻;

用户有历史的浏览记录，我们可以从这些用户历史浏览的新闻中”提取”能代表新闻主要内容的关键词，看哪些关键词出现的最多。比如可以有”手机“，”电脑游戏“，”发布会“等等关键词。

或者，统计这些新闻所属的领域是哪些，比如国际政治、社会、民生、娱乐，找出用户看的新闻来源最多的几个领域。不过按这种方式判断用户兴趣容易太宽泛，哪怕是同一个领域下的新闻，可能也会差异很大。比如某用户可能喜欢A女星，而不喜欢B女星，而如果你只是认为该用户喜欢娱乐新闻，结果把B女星的新闻不停给用户推，那就肯定不好。而上述的关键词就可以比较好地规避这个问题。