在这个互联网飞速发展的信息时代,个性化推荐已渗透到生活的方方面面,成为各大主流网站的不可缺少的服务。新闻推荐与已经被全面研究的产品和电影推荐相比,对新闻推荐的研究更为有限,仍有许多挑战需要进一步研究。尤其是如何在海量的信息数据中为用户过滤出用户可能感兴趣得新闻列表,并根据用户的历史兴趣提升用户的浏览体验,提供优质的个性化服务。本文以个性化新闻推荐系统为研究课题,重点研究了基于新闻信息和用户历史行为如何有效的进行推荐,提出一种个性化重排的新闻推荐算法。对个性化新闻推荐这一具体问题,完成了问题定义、难点方法研究以及提出了一种基于个性化重排的新闻推荐算法,该方法使用新闻的文本数据和用户的历史行为数据,抽取用户表征向量和新闻表征向量,通过建模候选新闻列表的全局信息,最终获取排序得分,为用户生成结果列表。本文在开源大数据集上实现了该个性化重排新闻推荐算法,并针对多个基准模型进行对比实验,验证了模型的优势,还对模型效果进行了分析,确定了模型的最佳实现方式。最后设计并实现了集成该算法模型的个性化新闻推荐系统,该系统以个性化重排模型作为核心,完成了新闻在线阅读、模型推理、定时更新等多个功能,证明了该算法模型在实际生产生活场景下的可行性与有效性。