新闻资讯一直是人们获取社会实时动态的重要来源,随着科技发展进步,获取新闻讯息的媒介已经逐渐从报纸和电视,逐步演变成互联网平台。互联网的快速发展,人们每天接触的资讯也越来越多,信息过载的现象也随之出现,因此越来越多的人员开始研究推荐算法。本文基于辽宁离退休老干部平台,通过项目方提供的用户与新闻数据,结合现有的推荐算法、深度学习、文本分类等技术,实现了一个基于深度学习的新闻推荐系统。本文研究了深度学习在推荐算法领域的应用与发展,最终提出了本文使用的基于深度学习的新闻推荐算法。该算法一方面通过用户交互数据“打分化”,巧妙的解决了用户喜好程度难以量化的情况;另一方面考虑新闻内容对新闻阅读的影响,提出了两个算法,进行对比实验。一个是基于用户交互与文题相符度的推荐算法,该算法参考了原有算法中计算文章题目与内容相符程度的方法,并改进融入用户交互数据,以计算文题相符度,经过实验效果良好。之后将得到的文题相符度作为新闻属性之一,一起作为输入,之后通过卷积神经网络处理,完成推荐。另一个是通过对新闻内容提取文本摘要,并将摘要和新闻标题一起进行特征提取,之后通过卷积神经网络处理,完成推荐。两个算法经过实验对比,基于用户交互与文题相符度的推荐算法在各性能指标上都优于后者,因此选择该算法作为本文的推荐算法,在后续的系统中使用。之后进行系统的需求分析与设计实现,参考市面上优秀案例,并考虑用户群体为老年人,照顾老年人使用习惯。在开发时遵守开发规范,将功能模块进行解耦,分为5个功能模块,分别为:新闻推送模块、用户模块、新闻管理模块、用户交互模块、权限控制模块,并逐一实现。最后进行系统测试,在经过完整的测试后,可以确定系统功能正常并且性能良好。