随着互联网和信息技术的飞速发展,当今社会进入信息爆炸时期,在新闻方面,网络的飞速发展让新闻在网络上的发布和阅读变得更加便捷,所以网络新闻成为一条人们获取信息的重要途径。之前的新闻网站虽然拥有大量的新闻信息,却只是将新闻进行收集合并,这就导致了用户只能被动接收新闻网站提供的新闻信息和查找所需要的内容,因此互联网上虽然拥有海量而且繁杂的网络新闻信息,但是根本无法满足用户多元化和个性化的新闻需求。为了解决这一问题,人们不断寻找解决办法,推荐系统的出现成为了解决上述问题的有效措施。目前推荐系统的主流模型是协同过滤模.型或基于内容推荐模型,但是协同过滤存在两个很重要的问题,一是冷启动问题,二是随着物品和用户数量的不断增多从而导致物品用户的偏好矩阵变得稀疏,这两个问题会严重影响到推荐系统的推荐准确性。针对上述情况,本人将这常用的推荐算法进行融合,构建一个混合推荐系统,通过该系统不仅能够为不同的用户推送个性化的信息,而且在一定程度上弥补了单一算法的不足。新构造的混合推荐系统根据用户的人口属性、行为属性以及兴趣爱好,将用户感兴趣的新闻推送给用户。基于内容推荐的模型利用的是新闻内容的特征,该模型是对新闻的文本内容处理,为用户推荐与该内容相似的文章,该模型只向用户推荐与已读新闻内容相似的文章,但是并没有考虑到用户本身的兴趣,在推荐新颖性方面表现很差。通过融合之后,能够取长补短,对系统推荐的性能有很大提升。通过系统测试发现,与单一推荐算法构成的推荐系统相比较,该混合推荐系统在准确率、召回率、F值、人均点击、人均曝光、次日留存率和AUC方面有不同程度的提升。因此,基于混合推荐机制的新闻推荐系统具有非常广阔的应用前景。