在互联网信息技术蓬勃发展的今天,海量新闻铺天盖地。个性化新闻推荐以其挖掘用户潜在兴趣的算法优势,将用户从网络信息洪流中解脱出来,为用户提供千人千面的兴趣推荐,在减缓信息过载和提高感兴趣信息发现效率方面效果显著。然而,快速兴趣推荐服务体验提升的同时,新闻内容的推荐质量却广为诟病,单凭算法难以准确过滤,需要人工审核进行人机协作管理。目前在新闻推荐中存在哪些用户易反感的内容质量问题,人工审核如何实现对新闻内容推荐的质量评价,采用哪些工具方法来构建内容质量评价体系,都是新闻推荐平台和人工审核团队需要面对的难题。以往已有文献采用经典的质量功能展开（QFD）对新闻推荐的服务质量进行评价研究,虽有涉及新闻内容的推荐质量方面,但仍缺少更深入的研究。本文以此为切入点,首先以今日头条作为平台内研究对象,通过文本挖掘和质量控制方法（KJ法）,从新闻评论中抽取有关内容质量的评论进行内容质量需求转换和重要度计算,并与对应的技术要求进行相关矩阵计算后得到重要的技术要求,建立起新闻内容推荐的质量屋（HOQ）,形成基于平台内在线评论的新闻推荐内容质量评价体系;然后结合知乎的专题类在线评论,抽取出有关内容质量的评论转换为内容质量需求,并在平台内研究工作的基础上,建立起融合跨平台在线评论的新闻内容推荐HOQ,形成更具适用性的融合跨平台在线评论的新闻内容推荐质量评价体系;最后结合质量管理（QM）中的的现场管理理论（5M1E）进行整体评价体系的设计,在经过要素分析后形成内容质量评价的闭环管理,为该评价体系得以导入平台予以应用提出更进一步的解决方案。通过对新闻内容推荐质量的评价研究,本文得出的主要结论是:第一,使用文本挖掘结合质量管理中的KJ法,可以从在线评论中抽取到用户对新闻推荐的内容质量需求,融合跨平台的在线评论得到的内容质量需求会更完整;第二,使用质量管理中的QFD方法,可以对经由在线评论获取的内容质量需求进行技术要求的矩阵计算,完成对重要技术要求的识别,建立起新闻推荐的内容质量评价体系;第三,使用现场管理中的5M1E对新闻推荐平台的内容审核流程进行要素分析,便于建立起平台内的整体内容质量评价体系,完成内容审核的闭环管理。本文的研究在理论与实践方面的意义有:理论上,使用了基于在线评论进行文本挖掘等来获取内容质量需求,同时融合跨平台研究完善了平台内对内容推荐的质量评价,并对审核现场进行了评价体系的应用设计。与被广泛使用的问卷调查法相比,内容质量需求的获取方法更加实时高效和范围广。实践上,有利于平台完善现有内容审核体系,为用户推荐更有质量保证的内容,为社会营造优质的新闻内容推荐。