新闻推荐方法的研究进展

由于研究者旨在针对不同业务领域研究个性化推荐，对特定领域推荐方法的总结具有实际意义。新闻推荐系统是推荐系统最早的研究领域，也是最早应用协同过滤方法的推荐领域。此外，新闻具有实时性与内容丰富性，使得新闻推荐方法比其他领域更具挑战性。因此，本文总结了新闻推荐方法的研究进展。2018至2020年间，已发展的新闻推荐方法主要基于深度学习、注意力机制与知识图谱。截至2020年，已有许多结合注意力机制与知识图谱的新闻推荐方法。然而，这些方法均基于基本方法（协同过滤方法、基于内容的推荐方法以及结合两者的混合推荐方法）发展而来。为使研究者详细了解新闻推荐方法的发展过程，本文所调研的涵盖近10年的新闻推荐方法依据上述基本方法分为三类。首先，本文介绍每类方法的基本思想，随后基于每类方法并依据研究成果的时间顺序总结与其他方法相结合后的推荐方法。最后，本文还总结了新闻推荐系统面临的挑战。