L'objectif de cette recherche est de fournir une méthode basée sur les réseaux neuronaux pour suggérer des nouvelles à travers les modèles d'interaction de l'utilisateur. Pour relever ce défi important, un système de recommandation de nouvelles basé sur un graphe a été présenté, qui recommande les meilleures nouvelles pour l'utilisateur en fonction de la représentation globale et en la combinant avec les informations locales de l'utilisateur. La méthode de cette recherche est axée sur l'amélioration de la représentation des actualités historiques par l'utilisation d'un graphe d'actualités global et sur l'amélioration de la représentation du contenu des actualités candidates par l'utilisation d'un graphe d'entités global. Tout d'abord, la représentation du texte et des entités des actualités est apprise d'un point de vue local. Ensuite, un codeur de nouvelles historiques et un codeur de nouvelles d'entités sensibles au monde sont utilisés. Enfin, un codeur d'utilisateurs concis et un composant de recommandation de nouvelles sont utilisés. Dans cette recherche, les réseaux de transformateurs ont été utilisés pour les placements de nouvelles basés sur le contenu, ainsi que les réseaux neurographiques qui fournissent un raisonnement de communication. En outre, en tenant compte de l'actualité mondiale, nous avons essayé de suggérer des nouvelles qui étaient cachées à la vue des modèles précédents.