随着“互联网+”的理念成为互联网与传统产业协同创新的风向标,互联网上的新闻媒体也处于改革创新的风口浪尖,如何在海量新闻不断产生的背景下,更好地将不断产生的新闻传播到最需要的读者手里,以及更全面准确地了解读者的兴趣需求,量身打造新闻读者的个性化新闻体系成为亟待重视和解决的问题。在此背景下,本文分析了新闻信息的特点,以及新闻推荐所用到的关键推荐技术和算法,设计了以协同过滤为主、基于内容思想为辅的个性化新闻推荐系统,力争向读者提供个性化新闻阅读体验。本文主要完成了如下工作:第一,分析介绍了个性化新闻推荐所需用到的关键技术和算法,着重阐述了常用的基于内容以及基于协同过滤的推荐技术和算法,包括基于物品、基于用户以及slope-one等推荐算法。第二,设计了以协同过滤算法为核心的新闻推荐模型,其中以基于新闻内容的方式对新闻筛选去重,以协同过滤算法为核心进行个性化新闻推荐,同时作为协同过滤推荐结果的补充,在新闻推荐结果中增加了热度新闻以及读者地域新闻,丰富了个性化新闻推荐的内容。第三,以采集到的新闻以及读者信息作为原始数据,实现了上述个性化新闻推荐系统,并应用在某新闻单位新闻推荐项目中,通过测试数据集进行测试,对所得结果的查准率和查全率进行分析可知,该系统能良好地实现个性化新闻推荐的效果。