目前,随着科研设施和仪器规模不断扩大,覆盖范围不断增长,综合效益得到了快速地提高,但是也出现了仪器闲置、浪费等利用率较低的情况。为了更好的提高仪器资源利用效率,政府提出搭建统一的网络管理平台,实现科研设施与信息资讯共享的全链条有机衔接。为响应号召,仪器共享平台迅速在多高校搭建完成,特别是预约、管理、监督与评价等科研设施模块已经投入使用,但资讯共享模块中又出现了点击率不高,兴趣不大的问题,推荐的新闻资讯不符合用户需求,这使得用户的体验受到了严重的影响。针对以上情况,本文依托于实验室项目,对传统的新闻推荐算法进行了改进,并且设计出爬虫与推荐系统,应用到仪器共享平台中。具体内容包括:(1)算法选择:本文通过分析当前主流的几种新闻推荐算法的实现原理,研究每一种算法所适用的场景,最后确定将信任模型与聚类算法融合到基于用户的协同过滤算法中,并在此基础上进行改进。(2)信任算法的改进。之前所使用的信任算法存在两个不足,一方面是对恶意用户的影响没有考量,所以在此基础上增加了用户本身的信任度模型,使得对普通用户的信任值不变,对恶意用户的信任度降低;另一方面,传统的信任模型没有考虑用户本身的属性特征,因此文章计划在信任算法中融入用户的本身特征,包括:年龄、性别、身份、专业等,这样既可以使得信任模型更加全面,也在一定程度上避免了冷启动的问题。除此之外,在直接信任模型的基础上添加了间接信任模型,使得非直接评价的两个用户之间也存在了信任关系。(3)改善了常用的相似度算法。热门新闻往往会影响相似度的推算,针对这一问题,调整其在公式中的权重以降低热门新闻带来的影响,最后将相似度算法与信任模型相融合,得到了一种新的衡量用户间关系的方法。(4)对用户集使用聚类算法以达到良好的分类效果。聚类算法可以使得同一类簇的用户更加相似,不同类间的用户差距变大,因此,对协同过滤使用聚类可以更高效地找到用户的最近邻,由此推荐出更符合用户兴趣的新闻。(5)在仪器共享平台上设计出了爬虫模块与推荐系统模块,经过测试,取得了不错的效果。