新闻推荐系统在塑造民主社会中的信息获取中起重要作用，但定制化推荐可能导致信息分散。本文通过NLP识别新闻事件、故事或时间线，研究了新闻推荐中的碎片化问题。凝聚层次聚类和SentenceBERT文本表示方法优于以往实现。模拟场景分析提供了关于测量和解释碎片化的见解和建议。

本文研究了新闻推荐系统中的信息碎片化问题，通过自然语言处理技术识别不同的新闻事件、故事或时间线，并评估了不同方法在新闻故事聚类上的性能。研究发现，基于凝聚层次聚类和SentenceBERT文本表示的方法优于以往的实现。同时，模拟场景的分析为相关方提供了关于测量和解释碎片化的有益见解和建议。