Key points are not available for this paper at this time.
La lecture de nouvelles en ligne est devenue une façon largement populaire de lire des articles d'actualités provenant de sources d'actualités à travers le monde. Avec l'énorme quantité d'articles disponibles, les utilisateurs sont rapidement submergés par des informations peu intéressantes pour eux. Les systèmes de recommandation de nouvelles aident les utilisateurs à gérer ce flot en recommandant des articles en fonction des intérêts des utilisateurs plutôt qu'en présentant les articles dans l'ordre de leur apparition. Nous présentons notre recherche sur le développement d'un système de recommandation de nouvelles personnalisé avec l'aide d'un service de micro-blogging populaire, « Twitter ». Les articles d'actualité sont classés en fonction de la popularité de l'article identifiée à partir de la timeline publique de Twitter. De plus, les utilisateurs construisent des profils basés sur leurs intérêts et les articles d'actualité sont également classés en fonction de leur correspondance avec le profil utilisateur. En intégrant ces deux approches, nous présentons un modèle hybride de recommandation de nouvelles qui recommande des articles intéressants à l'utilisateur en fonction de leur popularité ainsi que de leur pertinence par rapport au profil utilisateur.
Jonnalagedda et al. (Mon,) ont étudié cette question.