相似文本推荐在信息的检索和自然语言处理等相关领域都有着重要的应用,在个性化服务时代,其进化升级版的个性化推荐更是为个人提供着更高效和直接的信息资源。在某些领域对用户隐私或行为信息要求较严,因此需要只在纯文本的信息中进行相似文本推荐。最为传统的方法仅仅依靠基于统计信息的关键词,没有考虑文本中词的语义信息和文本本身的语义信息。随着近年来机器学习和深度学习兴起,词向量在表示词汇语义信息上取得了较好的结果。利用词向量表示文本,通过距离度量函数来寻找相似文本。这种词汇上语义信息的叠加表示文本信息还是不能很好的总结长文本的信息。本文主要考虑统计与神经网络的结合,提出了关键词与其带权关键词量化文本相结合的相似文本度量方式,实验结果表明了这种方法的有效性和可行性。本文主要研究基于神经网络的印尼相似新闻推荐,在纯文本上提出了新的相似度量方式。神经网络主要是利用其词向量模型在词汇语义上的有效表示,印尼语为应用的语种。全文的工作内容如下:(1)在使用关键词表示文本进行推荐和甄别中,详细介绍了基于统计信息的关键词提取算法TF-IDF、基于主题模型的关键词提取算法LDA以及基于词图模型的关键词提取算法TextRank。实验表明更加简单的TF-IDF算法,其提取效果并不差于考虑了更多文本上下文联系和隐含主题等信息的LDA和TextRank算法。(2)对文本进行量化并用于相似的推荐中,主要介绍了基于神经网络的词向量模型以及文本向量模型Doc2vec。实验结果表明词向量加和平均量化文本的方法在文本量化中表现最差,带权词向量平均和Doc2vec模型表现更优,Doc2vec其劣势在于测试新闻同样需要训练的过程。(3)分析了印尼语特点,结合语言特点在数据处理上做了相应改变,提出了结合文本关键词和文本向量的相似度量方式。实验结果表明,该方法相较单一的使用关键词技术或文本向量技术的推荐效果要好,验证了权衡这两种方法可以结合两者的优点。(4)将本文提出的方法在中文和英文上进行实验,实验结果表明该方法同样有效。