随着移动互联网时代的到来,手机已经成了购物、阅读及社交活动的主要工具。人们每天都会在手机上浏览大量的新闻资讯,而面对海量的信息往往无从下手,大部分时间浪费在查找自己感兴趣的信息上。新闻推荐系统利用个性化推荐技术帮助用户从海量的新闻资讯中快速找到自己感兴趣的信息。协同过滤是推荐系统中应用最为广泛的推荐算法,原理是根据目标用户的近邻数据对未知物品进行评分预测,进而完成个性化推荐。本文围绕协同过滤展开讨论,分别对算法的分类、实现原理和评估指标等方面进行了阐述,并且对协同过滤中存在的问题进行了讨论,如数据稀疏、冷启动问题等。针对上述问题详细介绍了基于SVD的协同过滤,利用隐语义模型缓解了稀疏矩阵带来的评分预测问题。文章进一步介绍了基于SVD的改进算法SVD++和TrustSVD,在SVD算法的基础上分别加入了用户的隐式反馈信息和信任网络,使得推荐结果的精度得到了很大提升,并且针对信任模型中的缺陷进行了改进,加入了信任权重和信任偏置因子。本文最后设计和实现了基于android的新闻推荐系统,包括后台管理系统和android客户端,对系统中涉及的相关技术和功能模块进行了详细介绍。该系统根据用户的社交网络和行为数据构建了信任模型和用户模型,利用评分矩阵和信任矩阵共同完成了个性化推荐,并且推荐引擎根据用户的不同状态采用了不同的推荐策略,使得推荐结果更加多样化。