当今互联网时代,人们面临着一个严重的问题就是信息过载,如何在海量数据中找到人们需要的有用信息成为一个热门的研究课题。信息分类和搜索引擎已经在解决信息过载问题上取得了一定的成功。推荐系统是另一种更加优秀的解决方法,相比前两者,推荐系统更加智能和主动,它的优势是通过研究用户的兴趣偏好,进行个性化分析计算,由系统主动挖掘用户的兴趣点,从而引导用户发现自己的信息需求。新闻推荐系统就是推荐领域的应用之一,其目的是智能的为用户推荐他们感兴趣的新闻信息。推荐领域所面临的问题在新闻推荐中同样存在,并且存在着领域特殊性,因此本文通过对推荐系统的研究现状的总结和所存在的主要问题的分析,决定设计并实现一个新闻推荐系统来解决新闻推荐领域所面临问题。本文的主要内容包括如下:(1)首先对推荐系统的基本工作流程进行总结,分析推荐系统中常用推荐算法的原理以及优缺点;(2)然后针对新闻推荐领域所存在的数据稀疏问题以及用户兴趣漂移问题,通过己有的解决方案,设计了改善的协同过滤算法;并进行了实验测试。(3)最后利用移动互联网技术对新闻推荐系统进行了方案设计,系统包括新闻抓取模块、用户兴趣模型设计、推荐引擎模块、数据库模块,(4)并最终通过java、mongodb等软件工程技术实现了该系统。本文的最后实验证明了本文所使用的个性化新闻推荐算法能较好的解决新闻推荐所面临的数据稀疏、兴趣漂移以及“冷启动”问题,提高了推荐的准确率以及召回率,并且对新闻推荐系统的测试表明基于移动互联网技术的新闻推荐系统有较高的扩展性和实时性。