オンラインニュース推薦システムは、ニュースの情報爆発に対処し、ユーザーにパーソナライズされた推薦を行うことを目指しています。一般的に、ニュース言語は非常に凝縮されており、知識エンティティや常識が豊富に含まれています。しかし、既存の方法ではこのような外部知識を認識せず、ニュース間の潜在的な知識レベルでの関連性を十分に発見することができません。その結果、ユーザーに対する推薦結果は単純なパターンに限定され、合理的に拡張できません。さらに、ニュース推薦はニュースの高い時間感度とユーザーの興味の動的な多様性という課題にも直面しています。これらの問題を解決するために、本論文では知識グラフ表現をニュース推薦に組み込んだ深層知識対応ネットワーク（Deep Knowledge-aware Network: DKN）を提案します。DKNはクリック率予測用のコンテンツベースの深層推薦フレームワークです。DKNの主要な構成要素は、意味レベルと知識レベルのニュース表現を融合するマルチチャネルかつ単語-エンティティ対応型の知識対応畳み込みニューラルネットワーク（Knowledge-aware Convolutional Neural Network: KCNN）です。KCNNは単語とエンティティを複数チャネルとして扱い、畳み込み過程でそれらの対応関係を明示的に維持します。また、ユーザーの多様な興味に対処するため、DKNには現在候補となるニュースに関連してユーザーの履歴を動的に集約するアテンションモジュールも設計されています。実際のオンラインニュースプラットフォームにおける広範な実験を通じて、DKNが最先端の深層推薦モデルに対して大幅な改善を達成していることを示しました。さらに、DKNにおける知識利用の効果も検証しています。