با توجه به افزایش تعداد منابع خبری و اخباری که روزانه منتشر می شود، سیستم های توصیه گر خبر می توانند با توصیه اخبار به کاربران آنها را در یافتن سریعتر اخبار یاری کنند. کاربران معمولا به دنبال یافتن موضوعات خبری مورد علاقه خود و ردیابی آنها هستند. این پژوهش به ارائه رویکرد جدیدی برای تشخیص و ردیابی موضوع در یک سیستم توصیه گر خبر ترکیبی پرداخته است. این سیستم می تواند موضوعات خبری مورد علاقه کاربران را تشخیص داده و ردیابی کند. با ردیابی این موضوعات سیر تکامل موضوعات مورد علاقه کاربر مشخص می شود. به منظور، حذف اخبار تکراری از لیست اخبار کاندید شده برای توصیه به کاربر، روش مشابهت یابی اخبار با استفاده از tf-dtf تعریف شده است. این متغیر میزان اهمیت یک عبارت را در یک خبر مشخص می کند. با استفاده از tf-dtf برای محاسبه میزان اهمیت یک عبارت در یک خبر نیاز به بررسی آن عبارت در یک مجموعه خبر نیست تنها با داشتن یک خبر میتوان میزان اهمیت یک عبارت را در آن خبر تعیین کرد. همچنین روش جدیدی برای رتبه بندی اخبار مورد علاقه کاربر هدف قرار گرفته است که متاثر از سه پارامتر رتبه منبع خبر، زمان خبر و موضوع خبر می باشد. نتایج آزمایشات ارائه شده است که نشان می دهد موضوع خبر با دقت بالایی استخراج می شود همچنین مشابهت یابی اخبار با دقت و کیفیت بالایی بدون نیاز به وجود دیتاست بزرگی تنها با وجود دو خبر قابل محاسبه است.