基于用戶角度的新聞內容個性化推薦研究

李云霞 李偉

摘要：信息化時代，人們面臨的信息過載問題日益嚴重，如何從海量信息中快速、準確地獲取自己感興趣的內容成為亟待解決的問題。新聞內容個性化推薦技術應運而生，旨在根據用戶的需求和興趣推薦新聞內容，提升用戶的閱讀體驗和滿意度。然而，目前大多數新聞推薦系統仍然采用基于內容相似度或協同過濾等傳統方法，往往無法精確把握用戶的個性化需求。文章指出，傳統媒體和新媒體融合發展已經成為行業共識，主流媒體的新聞傳播活動也從單一的“發布”轉向了“推送”，新聞內容個性化推薦是用戶參與新聞生產的有效方式，能夠滿足不同用戶的個性化需求，提高用戶參與感和歸屬感，增強傳播效果。文章從新聞內容個性化推薦技術的概念及基本原理入手，分析新聞內容個性化推薦的主要技術，從數據收集與分析、建立用戶畫像、推薦算法實現和采寫算法實現四個方面闡述新聞內容個性化推薦與采寫的實現步驟，并提出媒體在做好內容建設工作基礎上的內容個性化推薦與采寫的路徑，旨在為用戶提供更加優質的信息服務。

關鍵詞：用戶角度；新聞內容；個性化推薦；信息化

中圖分類號：G210.7 文獻標志碼：A 文章編號：1674-8883（2023）07-0087-03

互聯網上每天都會產生大量的信息，而這些信息往往是分散、雜亂的，如何從中挖掘出有價值的新聞線索展開采寫，為用戶提供所需要的信息是一個難題。個性化推薦與采寫有利于為用戶提供感興趣的內容，而這一點正是互聯網技術的核心價值。個性化推薦技術就是為了解決這個難題而誕生的。

一、新聞內容個性化推薦技術的概念及基本原理

在新聞內容個性化推薦過程中，需要從用戶角度出發，分析用戶的行為數據，運用大數據、人工智能等技術，對用戶行為進行建模，如用戶的閱讀歷史、瀏覽歷史、行為偏好等數據，然后將用戶與新聞內容進行匹配，根據匹配結果為用戶推薦相關的新聞內容[1]。通過這種方式，可以有效地解決記者“不懂”“不會”推薦信息的問題，從而更好地滿足用戶對信息的個性化需求。

（一）什么是新聞內容個性化推薦

新聞內容個性化推薦是利用大數據、人工智能等技術，對用戶的行為進行分析，根據用戶的興趣偏好來為用戶推薦相關的新聞內容[2]。新聞內容個性化推薦技術是當前應用比較廣泛的一種個性化信息服務技術[3]，主要包括以下幾個方面：第一，分析用戶的瀏覽歷史、消費歷史、興趣偏好等數據，并通過分析這些數據來建立用戶與新聞內容之間的關聯；第二，利用機器學習技術建立用戶對新聞內容的評分模型[4]，根據用戶的評分情況來為用戶推薦相關的新聞內容；第三，通過基于內容過濾算法來為用戶推薦相關的新聞內容[5]。

在這個過程中，還可以通過其他一些技術來更好地實現個性化推薦。

（二）基本原理與方法

新聞內容個性化推薦過程，主要是基于用戶興趣偏好進行內容推薦，可以有效地解決“信息過載”和“信息窄化”問題，幫助用戶獲取到最有價值的新聞[6]。其基本原理是利用相關技術對用戶行為進行分析，并對用戶的興趣偏好進行建模，然后將用戶與新聞內容進行匹配，最后根據匹配結果，為用戶推薦相關的新聞內容[7]。例如，通過分析用戶在手機端上的瀏覽記錄、行為偏好、搜索記錄等來建立用戶行為模型，然后通過構建相似度計算模型來計算用戶之間的相似度，根據相似度計算結果，為用戶推薦相關的新聞內容。

目前，新聞內容個性化推薦的技術主要包括：一是協同過濾算法。該算法根據用戶的歷史瀏覽記錄和興趣偏好，找到與用戶口味相似的其他用戶，然后將這些用戶感興趣的新聞推薦給目標用戶。二是基于內容的推薦算法。該算法通過對新聞內容的分析，提取關鍵詞、主題等信息，然后將與用戶興趣相關的新聞推薦給目標用戶。三是深度學習算法。該算法利用神經網絡模型對新聞內容進行深度分析，從而實現更準確、更精細的個性化推薦。四是基于語義相似度的推薦算法。該算法通過計算新聞之間的語義相似度，將與用戶已讀新聞相似的新聞推薦給目標用戶。五是基于情感分析的推薦算法。該算法通過對新聞內容的情感分析，將具有相似情感的新聞推薦給用戶，從而更好地滿足用戶的情感需求[8]。這些技術有著各自的優缺點，需要根據具體應用場景和用戶需求選擇適合的算法來進行個性化推薦。

二、新聞內容個性化推薦與采寫的實現

（一）數據收集與分析

數據是新聞內容個性化推薦與采寫的基礎，主流媒體在新聞內容的生產過程中，要充分利用好用戶數據、社交數據、設備數據等多種類型的數據資源，結合技術手段對這些數據進行分析和處理。當前，主流媒體在新聞內容的生產過程中，主要通過用戶行為習慣分析、用戶畫像等方式分析用戶[9]。

在用戶行為習慣分析方面，主流媒體可以借助大數據分析技術，對用戶瀏覽記錄、訪問軌跡等進行分析。在對用戶行為進行分析時，首先要對用戶訪問過的頁面進行抓取，并對抓取到的頁面進行分詞和詞性標注，然后通過自然語言處理技術構建出用戶興趣模型，最后根據用戶興趣模型，向用戶推薦相關新聞內容。

在用戶畫像方面，主流媒體可以通過爬蟲技術、文本挖掘技術等手段構建出用戶畫像[10]。主流媒體可以利用爬蟲技術爬取互聯網上的新聞內容數據，利用文本挖掘技術從這些數據中提取出文本信息、行為信息等有價值的信息。

（二）建立用戶畫像

用戶畫像是指通過對用戶的行為、偏好等進行收集、整理和分析，形成的一個可以反映用戶基本特征的“數字檔案”。通過對用戶數據的挖掘和分析，能夠實現對用戶特征的刻畫，從而幫助媒體更好地了解用戶需求，提升新聞內容制作的針對性和有效性。在新聞內容個性化推薦過程中，要通過技術手段建立和完善用戶畫像。主流媒體要充分利用大數據、人工智能等技術手段，依托平臺數據進行內容采集、生產與分發，在此基礎上建立用戶畫像[11]。

（三）推薦算法實現

基于內容的推薦算法（Content Based Rank，CBR）是目前應用最廣泛的個性化新聞推薦算法[12]。CBR算法通過挖掘用戶與內容的關系，根據用戶的歷史行為數據和行為偏好進行個性化推薦。CBR算法可以根據用戶在網絡上留下的痕跡、瀏覽的內容等，進行個性化推薦，滿足用戶對內容的需求。同時，CBR算法還可以根據用戶不同興趣愛好、不同行為特征進行個性化推薦，具有較強的針對性。

（四）采寫算法實現

新聞內容個性化推薦的實現，可以基于個性化推薦算法，通過內容的相似性與用戶的相似度進行匹配，然后根據用戶的需求和興趣偏好，為其推薦相應的內容，實現個性化的新聞傳播[13]。在新聞內容個性化推薦中，要注意以下幾個方面。

第一，需要充分考慮用戶需求和興趣偏好。用戶不僅對感興趣的新聞內容有強烈需求，還會對其他類型的新聞內容有很大需求。

第二，需要在做好內容建設工作的基礎上進行個性化推薦。主流媒體要做好內容建設和服務創新工作，同時也要注重用戶參與和互動，對用戶感興趣的話題、領域進行重點關注，提高用戶參與感和歸屬感。

第三，要注意在信息采集過程中保護用戶隱私。主流媒體要避免過度曝光和傳播不實信息，這不僅會導致用戶隱私泄露問題的發生，還會給平臺帶來負面影響。因此，主流媒體在做好內容建設工作的同時，要注重信息采集過程中的隱私保護。

三、新聞內容個性化推薦與采寫的應用路徑

（一）新聞客戶端應用

新聞客戶端是目前主流媒體內容傳播的主要渠道，也是用戶獲取信息的重要渠道，對新聞客戶端進行個性化內容推薦和采寫，是增強主流媒體新聞傳播效果的重要方式。新聞客戶端應用一方面可以為用戶提供更好的服務，另一方面可以為用戶提供更多個性化內容推薦服務。

新聞客戶端具有一定的社交屬性，根據用戶瀏覽過的內容、收藏過的內容等信息，對用戶進行內容推薦。在新聞客戶端中，用戶可以根據自己的興趣愛好進行個性化閱讀。這種閱讀方式，可以增強用戶的參與感，提高用戶對主流媒體新聞資訊內容的關注度和閱讀興趣。

主流媒體也可以利用新聞客戶端開展更多個性化服務。比如，為用戶提供個性化推薦服務、個性化定制服務等。主流媒體可以依托自身資源優勢和技術優勢，通過新聞客戶端開展個性化內容推薦和采寫服務。比如，人民日報、新華社等主流媒體在新聞客戶端中探索了多種個性化推薦形式：一是通過技術手段分析用戶興趣愛好、行為數據等，為用戶進行個性化內容推薦；二是在新聞客戶端中設置“定制”或“訂閱”頻道，根據用戶需求和興趣偏好進行個性化定制；三是在新聞客戶端中設置“我的頻道”欄目，根據用戶行為習慣進行個性化內容推薦。

（二）新聞網站應用

個性化推薦技術能夠為用戶提供“千人千面”的信息服務，滿足用戶的個性化需求，為用戶提供更精準、更優質、更適合他們的新聞內容[14]。在新聞網站中，個性化推薦技術應用主要體現在新聞網站編輯根據用戶的閱讀習慣和興趣愛好，通過算法識別并推薦與用戶興趣相符的內容。同時，還可以通過對用戶的關注數據進行分析，精準識別和捕捉目標受眾，從而為新聞內容的呈現提供依據。

在新聞網站中，個性化推薦技術可以根據用戶對相關新聞的關注和閱讀習慣等信息，將不同類型、不同屬性的新聞內容精準地推薦給不同用戶。這種推送方式能夠幫助新聞網站增強用戶黏性，滿足用戶個性化需求。以今日頭條為例，該平臺通過算法推薦技術，將海量信息按照興趣分類展現在用戶面前，讓不同類型的用戶都能在第一時間獲取自己感興趣的信息。

同時，該平臺還通過個性化推薦技術，將這些內容以消息、圖表、專題等形式呈現給用戶。通過個性化推薦技術實現的精準推送，不僅可以讓用戶對自己感興趣的信息進行閱讀，還可以讓用戶從“被動接受”變為“主動選擇”。

個性化推薦技術應用在新聞網站中還能發揮重要作用。今日頭條不僅能根據用戶喜好推送新聞內容，還能根據不同新聞內容的屬性和傳播特點進行個性化推薦。例如，在對重大突發事件進行報道時，今日頭條會根據事件特點、最新進展等信息，為用戶推薦相關領域的新聞內容。同樣以今日頭條為例，該平臺通過個性化推薦技術，根據用戶關注數據和閱讀數據對新聞內容進行分析和處理，將新聞內容分發給關注該話題的高質量內容愛好者和相關領域專業人士。在這種個性化推薦技術的支持下，今日頭條能夠更好地滿足不同類型用戶的需求。同時，該平臺還通過個性化推薦技術提高了新聞內容的質量和傳播力。

（三）新聞社交媒體應用

用戶的需求和興趣偏好是個性化推薦的重要依據，用戶的反饋和參與能夠更好地進行個性化推薦。新聞內容個性化推薦與用戶的興趣偏好有著緊密聯系，新聞內容個性化推薦能夠為用戶提供更加豐富、全面的內容，提高用戶滿意度[15]。

新聞社交媒體能夠為新聞內容個性化推薦提供支持。隨著社交媒體平臺的普及，新聞內容可以通過社交媒體平臺進行分發，用戶可以在社交媒體上分享和訂閱自己喜歡的新聞內容。主流媒體可以借助社交媒體平臺，為用戶提供更豐富的新聞內容。例如，《紐約時報》通過 Facebook 和 Twitter 等平臺，向用戶推送紐約最新疫情情況等相關信息，既滿足了讀者對疫情信息的需求，也讓讀者了解了美國疫情發展情況。

為了實現新聞內容個性化推薦和采寫，需要滿足不同用戶的興趣偏好。目前，主流媒體對新聞內容個性化推薦還沒有形成系統的認知，如何為不同類型用戶提供更好、更具針對性的新聞內容仍然是值得關注和探索的問題。在此背景下，主流媒體可以借助社交媒體平臺開展相關實踐活動。

四、結語

新聞內容個性化推薦技術是一種基于用戶興趣偏好和歷史閱讀行為等信息，為用戶量身定制新聞內容的技術，具有廣闊的發展前景。但通過個性化推薦技術，用戶可能只看到自己感興趣的內容，缺乏了解和接觸其他領域的機會，容易形成“信息繭房”效應，需要做進一步的改進。

參考文獻：

[1] 周帥，都云程，張仰森.個性化新聞推薦研究進展[J].計算機技術與發展，2023，33（2）：1-8.

[2] 呂妍.新聞個性化走向智媒體：新聞編輯業務的創新研究[J].新聞文化建設，2022（21）：175-177.

[3] 夏艷.新聞評論的個性化表達探討[J].西部廣播電視，2022，43（19）：58-60.

[4] 蒲岍岍，雷航，李貞昊，等.增強列表信息和用戶興趣的個性化新聞推薦算法[J].計算機科學，2022，49（6）：142-148.

[5] 趙懷智.個性化新聞的推送：弊端及解決措施[J].湖北科技學院學報，2022，42（4）：90-96.

[6] 公沛然.個性化新聞推送的影響[J].中國地市報人，2022（6）：68-69.

[7] 蒲岍岍.個性化重排的新聞推薦算法研究及系統實現[D].成都：電子科技大學，2022.

[8] 楊浩琛.新聞評論的個性化表達探討[J].新聞傳播，2022（3）：101-102.

[9] 牛琛琛.個性化新聞推送對新聞業務鏈的重塑[J].西部廣播電視，2021，42（20）：16-18.

[10] 謝新洲，王強.個性化新聞推薦發展動力及趨勢研究[J].新聞愛好者，2020（6）：4-9.

[11] 王豪.個性化新聞推薦系統的設計與實現[D].北京：北京郵電大學，2019.

[12] 朱滿洲.基于協同過濾的個性化新聞推薦系統的設計與實現[D].南京：南京理工大學，2019.

[13] 王金紅，楊巧麗，于雅婷.智媒時代“個性化新聞”的傳播特性[J].西部廣播電視，2018（16）：75-76.

[14] 姜霄晗，李烈鵬.新聞個性化推薦的交互性策略分析[J].新媒體研究，2018，4（11）：91-93.

[15] 匡文波，陳小龍.論新聞個性化推薦系統[J].新聞論壇，2018（2）：27-30.

作者簡介 李云霞，編輯，研究方向：新聞采編。 李偉，助理編輯，研究方向：新聞采編。