摘要：由于網(wǎng)絡(luò)上每天有海量的新聞報(bào)道產(chǎn)生,新聞推薦已經(jīng)成為減輕用戶信息負(fù)載、實(shí)現(xiàn)個(gè)性化新聞信息獲取的重要途徑,并被廣泛用于新聞網(wǎng)站和新聞APP中以提升用戶體驗(yàn).不同于傳統(tǒng)的商品推薦,在新聞推薦中新的新聞文章產(chǎn)生速度很快,而且新聞的語義信息需要結(jié)合整體新聞文本去理解,給傳統(tǒng)的基于ID和基于特征的推薦算法帶來了很大的挑戰(zhàn).此外,用戶的新聞閱讀興趣存在高度多樣性和動(dòng)態(tài)性的特點(diǎn),使得準(zhǔn)確的用戶建模變得非常困難.本文介紹了一些基于深度學(xué)習(xí)的個(gè)性化新聞推薦算法,并探討了新聞推薦未來的一些可行的方向.