一、研究背景
在我们的日常生活中，我们对资讯的阅读已经成为了我们消遣时间、获取信息来源的重要方式，随着互联网时代的发展，像传统以通过报纸、电视新闻报道等资讯传播方式正在逐渐淘汰，我相信大家都有过这些经历，买报纸期刊要通过特定的途径订阅，而且订阅费用比较贵，有时候报纸的内容读起来可能比较费劲，新闻内容太少，种类单一，报纸起来保存不方便，看电视新闻一定要在固定的时间看，想要再次查看同一个资讯信息的时候很困难，因此读者热切希望出现一个更加便捷，资讯种类更为丰富，成本更低，时效性更强，用户体验度更高的资讯获取平台。
二、研究目的及意义
随着移动应用的兴起，以APP为载体搭建的新型资讯阅读平台，广受老百姓的青睐，与传统的资讯传播方式相比，这些新型资讯平台具有成本更低，资讯分类更全面，阅读方式更加便捷的特点，它们更加注重读者的体验感，可以说以APP为载体搭建的资讯阅读平台，逐渐成为资讯传播方式的新潮流。
资讯新闻阅读APP为读者提供了丰富、成本更低、获取方式更加便捷的资讯信息，实现新闻分类，读者可以自行选择，根据自己的喜好，浏览大量新闻，以及一些其他形式的资讯，而相较于一些大型的门户网站，本应用将定位在第三方内容聚合平台，主要以网络爬虫的形式进行资讯内容爬取，以提高资讯信息的丰富度，为读者提供多样化的阅读选择。
本课题在实现上，后端是采用SpringMVC+Spring+Mybatis框架技术进行开发的，资讯新闻阅读APP后台管理系统的前端采用了Layui进行开发，资讯新闻阅读APP的前端部分则是采用了MUI结合Vue.js进行开发，在完成课题的过程中，不仅可以增加我的编程开发经验，同时也可以加深我对软件工程这门学科的专业知识的运用。
三、研究内容
本论文旨在设计与实现一个基于用户需求的个性化新闻推荐系统。随着互联网的普及和信息爆炸式增长，传统的新闻获取方式已不能满足用户的个性化需求。因此，本研究通过引入Python爬虫技术，结合后台管理系统和资讯新闻APP的前端开发技术，以及后端采用Spring+SpringMVC+Mybatis框架和MySQL数据库技术，旨在为用户提供更加个性化的新闻推荐服务。
论文的主要工作包括以下几个方面：首先，利用Python爬虫技术从各大新闻网站收集新闻数据，并建立相应的数据集；其次，通过分析用户的历史浏览记录、兴趣标签等信息，构建用户画像，以了解用户的兴趣和需求；然后，采用基于内容的推荐算法和协同过滤算法等，结合用户画像和新闻内容特征，实现个性化的新闻推荐；最后，在后台管理系统中提供友好易用的界面，方便管理员对新闻数据进行管理和维护。
本论文的创新点在于结合Python爬虫技术和多种前后端开发技术，构建了一个全面、高效的个性化新闻推荐系统。实验结果表明，该系统能够根据用户的实际需求，推荐符合用户兴趣的新闻内容，并提升用户的阅读体验。
三、总体功能设计
新闻阅读资讯APP客户端中由资讯阅读、个人中心、公告评论、读者动作这几个功能模块组成，其中资讯阅读由新闻阅读、视频查看、浏览图册这三个功能模块组成。
四、系统的实现
4.1查看新闻列表功能的实现
在底部导航栏中点击新闻按钮，进入新闻列表，可以通过顶部的导航栏选择查看不同频道的新闻列表信息。
4.2资讯管理功能
管理员可以通过在条件框中填写条件来快速查询特定新闻项，默认是按照新闻编号来排序的，默认显示排序后的第一页。
4.3推荐功能实现
读者可以在个人中心点击我的推荐，查看系统为其推荐的资讯信息。
五、结论
（1）通过需求分析。以凤凰新闻APP作为参考并结合实际，确立了本课题的需求和功能，在数据方面主要通过编写爬虫程序，对腾讯新闻、好看视频、新浪图片等网站的数据进行部分爬取，并使用MySQL数据库对数据进行保存。
（2）分析读者阅读资讯流程。从读者的角度出发，读者可以浏览新闻，查看视频，浏览图册,此外读者还可以对阅读内容评论，收藏，点赞，分享，接收系统通知。
（3）资讯新闻阅读APP的编码实现。主要通过使用Layui，MUI等前端技术，以及后端使用了SSM框架来实现系统的开发。
参考文献
[1]张红旗，邓华明，彭翔. 基于用户兴趣特点的新闻推荐算法研究[J]. 计算机工程与设计，2020，41（10）：2153-2158.
[2]黄小东，岑嵘，黄鹏程. 一种基于DeepFM和LSTM的新闻推荐算法研究[J]. 电脑知识与技术，2020，16（10）：356-359.
[3]李丽霞，杜学民. 基于深度学习的新闻推荐模型研究[J]. 大数据与信息交互，2021，3（1）：25-30.
[4]高桥雄辉. 基于机器学习的新闻推荐系统设计与实现[J]. 电子科技大学学报，2019，48（6）：1059-1065.
[5]王俊. 基于协同过滤算法的新闻推荐系统研究[J]. 情报理论与实践，2019，42（6）：101-105.
[6]刘志强，周虹. 基于用户画像的新闻推荐系统研究[J]. 计算机应用研究，2018，35（11）：3245-3250.
[7]郎红旗，王伟，李娜. 基于深度学习的新闻推荐算法研究[J]. 电子技术应用，2019，45（10）：98-102.
[8]刘洪吉，冯世敏. 基于Spark的新闻推荐系统设计与实现[J]. 计算机应用，2021，41（1）：68-74.
[9]马春雨，张源，胡晓丹. 基于协同过滤算法的新闻推荐系统研究[J]. 计算机工程与应用，2020，56（22）：155-161.
[10]周涛，刘文祥. 基于协同过滤的新闻推荐算法研究[J]. 电脑知识与技术，2019，15（13）：71-75.
[11]章晨征，陈建平. 基于用户兴趣协同过滤的新闻推荐研究[J]. 南昌大学学报，2020，44（5）：359-363.
[12]李岳聪，张浩，史博. 基于LSTM的新闻推荐算法研究[J]. 计算机科学，2019，46（3）：293-296.
[13]周永刚，杨光明. 基于用户兴趣和行为的新闻推荐系统研究[J]. 计算机技术与应用，2018，38（3）：10-14.
[14] 王嘉宝，李宇. 基于图像识别和深度学习的新闻推荐系统设计[J]. 通信界，2021，19（2）：97-102.
[15]薛永梅. 基于协同过滤算法的新闻推荐系统研究与实现[J]. 高速公路通信技术，2018，6（4）：16-19.
[16] Chen, J., Han, W., & Guo, Y. (2020). News recommendation with network embedding and deep learning. Journal of Ambient Intelligence and Humanized Computing, 11(10), 4489-4501.
[17] Ma, X., Ren, M., Liu, Y., Zhang, H., & Huang, Y. (2020). Hybrid news recommendation based on textual content and user behavior. IEEE Access, 8, 28987-28996.
[18] Yuan, Q., Zhang, Y., Han, X., & Zhuang, X. (2018). A news recommendation system based on user clustering and improved collaborative filtering algorithm. Journal of Physics: Conference Series, 1075(2), 022010.
[19] Yan, S., Zou, D., Wang, Y., & Luo, X. (2019). Personalized news recommendation based on user behavior and content features. Information Sciences, 503, 273-284.
[20] Xia, Y., Ren, F., Li, H., & Xu, S. (2021). News recommendation system based on deep learning and user interest modeling. International Journal of Distributed Sensor Networks, 17(4), 15501477211005994.
