ICS 33.040 YD CCS M32 中华人民共和国通信行业标准 YD/T6390—2025 面向新闻信息领域的可信智能推荐系统参考 框架和指标要求 Reference frame and technical requirements of trustworthy intelligent recommendation systemfornews domain 2025-04-10发布 2025-08-01实施 中华人民共和国工业和信息化部 发布 YD/T6390—2025 目 次 前言， .11I 范围 规范性引用文件， 2 3 术语和定义 4 面向新闻信息领域的可信智能推荐系统基本框架 指标要求 5.1 性能要求. 5.2 可信要求... 5.3 功能要求.. 5.4 稳定性要求.. 5.5 易用性要求.. .6 5.6 可维护性要求.. 5.7 可审查性要求 5.8 数据保护及安全性要求 附录A（资料性）互联网新闻信息内容标签大类 YD/T6390—2025 前言 本文件按照GB/T1.1一2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定 起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别这些专利的责任。 本文件由中国通信标准化协会提出并归口。 本文件起草单位：南京新一代人工智能研究院、中国信息通信研究院、中国科学院信息工程研究所、 北京天盈九州网络技术有限公司、中国移动通信集团有限公司。 本文件主要起草人：张丹、石霖、张涛、孙明俊、陈文、陈杰、徐伟、张聪、周东谕、罗元帅。 ⅡI YD/T63902025 面向新闻信息领域的可信智能推荐系统参考框架和指标要求 1范围 本文件规定了面向新闻信息领域的可信智能推荐系统的参考框架和指标要求 本文件适用于指导面向新闻信息领域的可信智能推荐系统的评估、验收等工作。 2规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本 文件 GB/T20273一2006信息安全技术数据库管理系统安全技术要求 GB/T25000.51一2016系统与软件工程系统与软件质量要求和评价（SQuaRE）第51部分：就绪 可用软件产品（RUSP）的质量要求和测试细则 3术语和定义 下列术语和定义适用于本文件。 3.1 智能推荐系统intelligentrecommendationsystem 通过综合用户的兴趣偏好、属性，被推荐内容的属性、内容、分类，以及用户之间的社交关系等 挖掘用户的喜好和需求，主动向用户推荐其感兴趣或者需要的内容的系统。 3.2 可信智能推荐系统 Etrustworthyintelligentrecommendationsystem 推荐内容健康向上、弘扬社会主流价值观、不含低俗不良信息，同时保障用户知情权、选择权、隐 私权、投诉权等权益的智能推荐系统。 3.3 新闻信息news 公开传播的事实和最新状态的信息，即新近发生的为公众所关注的具有新闻价值的社会信息。 1 YD/T6390—2025 3.4 用户user 系统的使用者。 3.5 内容源 content source 系统推荐给用户的具体内容，包括图文、视频等形式。 3.6 行为 behavior 用户在使用系统过程中产生的各种反馈操作。 3.7 冷启动 coldstart 系统在没有用户及用户行为数据的情况下为用户提供个性化推荐服务。 3.8 覆盖率 coverage 反映推荐系统对内容源的分发能力。 3.9 点击率click-throughrate（CTR） 反映出系统推荐内容的受关注程度。 3.10 响应时间 response time 系统对用户的输入或请求做出反应的时间。 3.11 规范稿源内容推荐率 formal sourcecontentrecommendationrate(F_RR) 系统推荐的内容为规范稿源内容占总推荐内容的比率。 3.12 劣质内容推荐率 inferiorcontentrecommendationrate (I_RR) 系统推荐的内容为劣质内容占总推荐内容的比率 3.13 首屏同质内容推荐率 homogeneouscontentrecommendationrate(H_RR) 系统的首屏每次刷新后推荐的同质内容占总推荐内容的比率。 2 YD/T6390—2025 3.14 基尼系数ginicoefficient 内容源按照从大到小排序，内容源的被推荐的曝光量占比。 4面向新闻信息领域的可信智能推荐系统基本框架 面向新闻信息领域的可信智能推荐系统框架一般由内容源模块、内容审核模块、推荐模块及前端展 示模块组成。面向新闻信息领域的可信智能推荐系统基本框架如图1所示。 内容源 内容审核 推荐 反馈干预 图文 视颜 机器审核 人工审核 在线算法离线算法 屏蔽 举报 点赞 转发等 前端展示 用户 图1 面向新闻信息领域的可信智能推荐系统基本框架 a）内容源模块：内容源是系统的内容基础，主要包括图文、视频等内容，主要实现对内容源的管 理。 b) 内容审核模块：内容审核是系统的可信基础之一，主要实现对内容源的合法性、合规性等进行 审核，包括机器审核、人工审核等方式。 推荐模块：推荐是整个系统的核心，主要通过在线或离线推荐算法实现特定内容向特定用户的 精准推送，并通过统计用户对推送内容的反馈信息调整推送策略。 (P 前端展示模块：将推荐给用户的内容列表在系统界面中展示给用户，并提供评论、点赞、举报 等用户操作反馈按钮。 5指标要求 5.1 性能要求 5.1.1覆盖率 系统的覆盖率应不低于99%。 覆盖率C的确定见公式（1）： R (1) 式中： C 一覆盖率； 3 YD/T6390—2025 R一一系统给用户推荐的内容列表的内容量，单位为条； T—内容源总量，单位为条。 5.1.2点击率 系统的点击率应不低于0.5%。 点击率CTR的确定见公式（2)： Num, CTR= Numall (2) 式中： CTR一点击率； Num, 系统推荐的规范稿源内容数量，单位为条： Numal 推荐的内容源总数量，单位为条。 5.1.3指定内容源量系统响应时间 系统输入指定数量级内容源时系统的响应时间应小于200毫秒。 5.1.4指定用户量系统响应时间 系统输入指定数量级用户时系统的响应时间应小于200毫秒。 5.1.5流行度 系统能够均衡地推荐各种流行度的内容从而实现良好的长尾效应，基尼系数小于0.1。 5.2可信要求 5.2.1规范稿源内容推荐率 系统时政类新闻信息（可参见附录A划分的类别）的规范稿源内容推荐率应不低于99%。 规范稿源内容推荐率F_RR的确定见公式（3)： Num, F_RR Numall (3) 式中： F_RR 规范稿源内容推荐率； Num, 系统推荐的规范稿源内容数量，单位为条； Numa 推荐的内容源总数量，单位为条。 5.2.2 劣质内容推荐率 系统的劣质内容推荐率应低于0.01%。 劣质内容推荐率IRR的确定见公式（4)： Num, I RR=Numal (4) 4