智能推荐随着互联网的飞速发展已经成为日常生活中不可或缺的技术,人们越来越习惯于通过手机在线阅读来了解新闻热点。然而各种网络新闻每天都在以亿万计的数量递增,且每个人都有自己的兴趣爱好和阅读习惯;那么在如此庞大数量的新闻消息中,如何让用户及时浏览到自己感兴趣的新闻消息,成为当前大数据行业研究的热点。媒体企业希望通过相关大数据算法结合用户的行为数据与新闻的文本主题信息来给用户做个性化推荐。本论文根据市场上新闻智能推荐系统的技术难点及系统弱点,改进并设计出一套新闻个性化智能推荐系统。首先,根据以往新闻推荐系统难以掌握用户实时准确的兴趣爱好这一难点出发,通过改进设计,采用从多角度采集用户行为数据这一重要环节:改进一,系统结合相关机器学习算法,通过分析企业从用户手机端获取的用户日常行为数据,得到用户特征画像;改进二,通过分析用户实时阅读行为数据,预测用户实时兴趣爱好;系统最后结合用户画像和用户实时兴趣爱好进行推荐。其次,系统将新闻网提供的实时新闻数据,利用先进文本处理算法并结合系统通过大量新闻训练出的主题模型,准确提取新闻主题类型,再结合用户的兴趣爱好,将用户感兴趣的新闻及时推荐给他们。最后,本系统相比以往新闻推荐系统增加了用户阅读行为数据反馈环节,系统在给用户推荐的实时新闻后,将用户对该新闻是否阅读、评论、分享、转载以及阅读时长等进行实时反馈,通过反馈的客户阅读行为数据对系统内原预测的客户兴趣爱好进行实时修正和更新,有效避免因为用户兴趣爱好随时间的迁移而改变导致新闻推荐的不合理性,实现真正的新闻个性化推荐。