针对新闻内容复杂多样的特性和目前传统的新闻搜索对用户的需求结果不能完全把控的问题,本文的主要工作是研究常用的新闻文本挖掘算法和文本类搜索召回算法的效果和规律,通过分析用户在搜索行为中的搜索词语和新闻文本本身的特性,探索将用户的搜索词语和新闻的文本信息定义并且抽象化为特征的形式,将传统的新闻搜索转化为用户和新闻机器人的对话模式,为进一步提高对用户搜索结果的精准度和使用的满意度提供支撑。为了实现对话形式的智能新闻搜索,首先,选取合适的新闻数据源,编写网络爬虫爬取新闻,本文旨在为用户提供热点新闻,所以爬虫爬取的是网站每日热榜新闻。本文对比了四家主流新闻网站,最终选取新浪新闻网站为系统提供数据。然后,将谷歌提出的基于 Transformer 的双向编码器表征(Bidirectional Encoder Representations from Transformers,BERT)与基于条件随机场和双向长短时记忆神经网络的命名实体识别方法结合作为命名实体识别模型的构建方法,并用BERT优化TextRank的特征抽取和向量化的过程,实现新闻主题和摘要的抽取。用户进行智能对话时,命名实体识别模型识别用户聊天内容,并返回识别出的实体所对应的新闻主题、摘要和原文链接信息,用户可以通过主题和摘要快速了解新闻内容,并且通过原文链接详细浏览新闻内容。本系统在模型训练的收敛性、准确率、召回率等方面均有明显的提升,尤其在捕捉句子中的重要信息上有较好的表现,智能新闻检索将用户的搜索词语特征与新闻的核心信息特征进行匹配,获取更能结合用户意向的更智能的新闻信息结果。为了实现一个完整的新闻平台系统,本文通过网页开发技术搭建了新闻系统和新闻管理系统,新闻系统实现了用户智能新闻聊天、浏览热点新闻、新闻搜索以及评论点赞等功能,新闻管理系统为管理员用户提供了用户管理、新闻管理、新闻审核、用户评论管理等功能。本文中的新闻平台系统实现了完整的新闻网站的运营和管理功能。