Ziel dieser Forschungsarbeit ist es, eine auf neuronalen Netzen basierende Methode zur Empfehlung von Nachrichten anhand von Benutzerinteraktionsmustern zu entwickeln. Um diese wichtige Herausforderung zu bewältigen, wurde ein graphenbasiertes System zur Empfehlung von Nachrichten vorgestellt, das die besten Nachrichten für den Benutzer auf der Grundlage der globalen Repräsentation empfiehlt und diese mit den lokalen Informationen des Benutzers kombiniert. Die Methode dieser Forschung konzentriert sich auf die Verbesserung der Darstellung historischer Nachrichten durch die Verwendung eines globalen Nachrichtengraphen und die Verbesserung der Darstellung von Nachrichtenkandidaten durch einen globalen Entitätsgraphen. Zunächst wird die Darstellung von Nachrichtentexten und Nachrichtenentitäten aus einer lokalen Perspektive gelernt. Dann werden ein weltbewusster historischer Nachrichtencodierer und ein weltbewusster Entitätsnachrichtencodierer verwendet. Schließlich werden ein prägnanter Benutzercodierer und eine Nachrichtenempfehlungskomponente verwendet. In dieser Forschung wurden Transformer-Netzwerke für die inhaltsbasierte Platzierung von Nachrichten sowie neurographische Netzwerke verwendet, die Kommunikationsargumente liefern. Darüber hinaus haben wir versucht, unter Berücksichtigung der Weltnachrichten Nachrichten vorzuschlagen, die den bisherigen Modellen verborgen waren.