为用户推荐其感兴趣的新闻内容,已经成为了各大互联网新闻平台的首要技术目标。传统的新闻推荐方法主要是基于用户间的相似度以及新闻内容间的相似度产生推荐列表。以上两种推荐方法虽然有效,但却忽略了新闻文本中存在的语义信息。知识图谱是一种描述实体以及实体之间链接关系的语义网络,基于知识图谱实现精准推荐是推荐系统目前的研究热点。本文基于知识图谱提出了一种用户兴趣向量的计算方法,在此基础上结合先进的卷积神经网络来构建推荐模型。所提出的基于知识图谱的新闻推荐方法,能借助知识图谱提取新闻文本中的部分语义信息,并将其应用于计算用户的兴趣向量,从而产生较好的符合用户语义的推荐结果。本文的主要研究内容及工作如下:(1)知识图谱和相关技术的研究分析。本文研究了知识图谱、推荐技术的基础理论,并归纳介绍了相关研究现状,列举了一些具有代表性的研究成果。(2)通用简易的知识图谱构建。本文使用财新网的新闻数据集,进行预处理并去除停用词后,通过依存句法分析抽取三元组,借助图数据库Neo4j进行知识存储,构建了一个通用知识图谱。(3)基于知识图谱的新闻推荐方法的研究。本文提出了一种基于知识图谱的用户兴趣向量的计算方法,还基于卷积神经网络构建了一个推荐模型,并通过实验验证了这种基于知识图谱的推荐方法的有效性。(4)基于知识图谱的新闻推荐系统的研发。本文以基于知识图谱的推荐方法为核心,设计并实现了基于知识图谱的新闻推荐系统。基于知识图谱的新闻推荐系统主要包含一个客户端和一个管理端,分别为客户端用户和管理端用户提供服务。