互联网新闻来源和种类繁多,用户需要同时关注多个网站；现有新闻聚合平台为每个用户展现相同的新闻集合,从用户易用性和用户兴趣特点的角度来看这十分不合理。本文以减少用户无用点击、提高用户体验目标,以挖掘并表示用户真实兴趣为研究重点,实现了新闻领域的新闻聚合平台和新闻个性化推荐系统。本文通过Web用户日志的统计分析发现了用户在新闻领域的上网特点,为后文的个性化新闻推荐奠定了基础。分析用户兴趣特征总结出了用户兴趣分为长期兴趣和短期兴趣的分类,并根据长短期兴趣的特点差别做不同的处理。对于用户长期兴趣,比较分析了现有用户兴趣模型建模方法,融合基于关键词、基于主题和基于本体的用户兴趣建模方法的优点提出了本文的用户兴趣模型建模的核心方法：基于标签实体词表的用户兴趣建模方法,并实现了基于标签实体词表用户兴趣模型的个性化新闻推荐算法。另一方面,通过对用户日志的挖掘分析,获取用户的访问模式,并将其作为基于标签实体词表个性化新闻推荐算法的优化策略。针对用户短期兴趣的特点,使用Web日志计算新闻热度,实现了基于用户长期兴趣个性化新闻和基于用户短期兴趣的个性化新闻的混合排序。本文详细叙述了基于Web挖掘的用户个性化推荐系统的整个流程以及系统的设计思路。最后从示例用户和有效用户两个方面对整个系统进行了推荐效果的评价,并提出了后续改进方向。