随着网络信息的爆炸式增长和推荐技术的发展,新闻推荐系统也逐渐出现在人们的视野中,并且发挥着越来越重要的作用。新闻推荐系统使得用户可以轻松得到自己感兴趣的新闻资讯,也提高了新闻的点击率和新闻网站的用户粘性,一举多得。新闻推荐系统中的新闻推荐算法和模型对推荐结果的好坏至关重要,本文对新闻推荐模型做了如下工作:(1)提出并实现了基于LDA的新闻推荐模型。对新闻标题和新闻内容分别进行LDA建模,得到用户二层兴趣模型,以基于LDA的新闻标题模型表示用户的核心兴趣,以基于LDA的新闻内容模型表示用户的广泛兴趣,并通过实验确定两个模型的权值,最终构建基于LDA的用户综合兴趣模型。(2)提出并实现了基于命名实体集合的新闻推荐模型。基于命名实体集合进行新闻标题和新闻内容的特征词建模,生成用户二层兴趣模型,以基于命名实体的新闻标题模型表示用户的核心兴趣,以基于命名实体的新闻内容模型表示用户的广泛兴趣,并通过实验方式得到两个模型的权值,最终构建基于命名实体集合的用户综合兴趣模型。(3)实现了基于混合策略的新闻推荐模型。将基于LDA的用户综合兴趣模型和基于命名实体集合的用户综合兴趣模型的结果进行了流水线式混合和并行式混合两种策略的混合计算,并将两种混合策略的推荐结果进行并集运算,再加入热点新闻内容,得到最终的推荐列表,考虑多种因素,提升了推荐效果。(4)设计了一个基于混合策略的新闻推荐系统。包系统功能的需求分析、整体架构设计、数据库设计和核心模型设计四个方面的设计,通过分析用户的新闻阅读记录,使用基于LDA的用户综合兴趣模型和基于命名实体集合的用户综合兴趣模型生成初步推荐列表,再采用混合策略进行推荐列表的筛选和排序,得到最终推荐列表。