用户兴趣模型代表了用户对信息的稳定需求，能够反映用户在一段时间内对新闻的主要倾向。用户兴趣模型在个性化推荐系统中起着核心作用，真实地表达了用户的偏好，在很大程度上决定了个性化推荐的效果。用户兴趣模型有一个动态更新过程，更新主要基于用户行为信息。良好的用户兴趣模型有利于个性化推荐。本文设计的用户兴趣模型具有方向性和持久性。用户兴趣模型也用向量空间模型来表示，其结构与新闻文档模型一致，如公式(3) :UIMi={ (C1, W1), (C2, W2).(Cn, Wn )} 其中UIMi代表用户Ui的用户兴趣模型中，Cj代表用户感兴趣的类别，Wj代表用户对该类别的兴趣程度，即权重。如：{（军事，0.2），（经济，0.1），（食品安全，0.2），}。
基于内容的个性化新闻推荐兴趣模型。基于该模型进行新闻推荐，并且根据用户的行为动态更新用户兴趣模型。这样，用户就不需要花费时间从大量的新闻中寻找自己感兴趣的新闻。用户兴趣模型和新闻文档模型都是基于向量空间表示方法。利用向量空间模型的相似度计算，计算出与用户兴趣模型相匹配的新闻文档集合，完成新闻推荐。关键代码见下图
基于pytion语言训练测试，对10万行记录进行去重后，前三分之二作为训练集，剩余记录作为测试集。
【深度挖掘内容：打造精准新闻推荐系统】相关文章：
2.米颠拜石
3.王羲之临池学书
8.郑板桥轶事十则
用户评论
这也太巧了！我一直想找一个能给我推荐我感兴趣新闻的工具。
有16位网友表示赞同！
基于内容的推荐是不是更精准？比那些单纯基于浏览历史的强多了。
有6位网友表示赞同！
希望能做到越了解我的兴趣，推荐就越贴合!
有9位网友表示赞同！
现在网络上信息爆炸，这种技术越来越重要了！
有10位网友表示赞同！
省去我无谓刷新闻的时间，真想早点体验一下！
有15位网友表示赞同！
是不是以后看新闻都变得更有效率呢？
有16位网友表示赞同！
这样一来资讯的获取效率会大大提升哦。
有19位网友表示赞同！
听起来挺好用的，希望算法能做到精准推荐！
有18位网友表示赞同！
如果能根据我的偏好实时调整推荐，那就太棒了！
有6位网友表示赞同！
未来新闻阅读方式也会发生很大改变吧？
有11位网友表示赞同！
终于不用浪费时间搜索自己感兴趣的内容了！
有12位网友表示赞同！
这个技术会不会也应用到其他领域呢？像小说、音乐之类的?
有20位网友表示赞同！
精准推荐能帮助我更了解社会热点和最新资讯。
有5位网友表示赞同！
这样看新闻就不会感觉那么杂乱无章了。
有18位网友表示赞同！
对于经常浏览新闻的人来说，这个技术简直是小福音啊！
有17位网友表示赞同！
希望能支持多样化的内容推荐，不要局限于同一类型!
有19位网友表示赞同！
期待这种技术可以更广地应用，让资讯获取更加便捷!
有9位网友表示赞同！
这让我对未来新闻阅读充满期待！
有17位网友表示赞同！
看样子要开始拥抱新时代的新闻模式了!
有6位网友表示赞同！