Проблема фильтрации и рекомендации новостей исследуется уже долгие годы. Технически в эти годы было выдвинуто множество подходов, от подходов коллаборативной фильтрации до методов, основанных на содержании, или гибридных систем. Главная цель персонализированной рекомендации новостей – помочь читателям найти интересные истории, максимально соответствующие их читательским интересам. Однако новостная область обладает рядом характеристик, которые делают задачу рекомендации особенно трудной: ускоренное снижение релевантности статьи (релевантность статьи может очень быстро уменьшиться после публикации или при появлении новой информации по текущей тематике), быстро растущее количество статей (ежедневно на новостных порталах добавляются сотни новых новостных статей. Это усиливает проблему холодного запуска. Тем не менее свежие элементы должны рассматриваться для рекомендации, даже если для них записано не слишком много взаимодействий), смещение предпочтений пользователей (предпочтения отдельных пользователей часто не так стабильны, как в других областях, например, развлечения). В данной статье описаны основные факторы, формирующие контекст статьи. Учитывая эти факторы, можно максимально оптимизировать вычисление актуальности статьи. Также в статье представлен возможный способ балансировки точности рекомендации с учетом новизны статьи.

The problem of filtering and recommending news has been studied for many years. Technically, many approaches have been put forward in these years, from collaborative filtering approaches to content-based methods or hybrid systems. The main goal of a personalized news recommendation is to help readers find interesting stories that best match their reader interests. However, the news area has several characteristics that make the task of recommendation particularly difficult: an accelerated decline in the relevance of the article (the relevance of the article can decrease very quickly after publication or when new information on the current topic appears), a rapidly growing number of articles (hundreds of new news articles are added daily on news portals. This reinforces the cold start problem. However, fresh items should be considered for recommendation, even if not too many interactions are recorded for them), user preference bias (individual user preferences are often not as stable as in other areas, such as entertainment). This article describes the main factors that form the context of the article. Given these factors, it is possible to optimize the calculation of the relevance of the article as much as possible. The article also presents a possible way to balance the accuracy of the recommendation with the novelty of the article.