在如今的移动互联网时代,人们常常淹没在汹涌的信息洪流之中。在网络新闻信息发展如此快速的今天,人们工作生活节奏越来越快。为了能够更好利用碎片化的时间来完成新闻信息资讯的获取,人们阅读新闻的媒介需要更加精准、快速、个性差异化的新闻资讯信息聚焦能力。因此,个性化新闻推荐系统日趋发展成熟。所有个性化新闻推荐系统的初衷就是为不同的新闻用户提供符合各自兴趣偏好的新闻。本文主要研究了新闻推荐系统中的新闻主题分类、冷启动、数据稀疏、用户兴趣模型等问题,提出了一种基于新闻文本自动分类和混合推荐的个性化新闻推荐方法,主要内容包含以下三点:1、对新闻文本内容主题分类进行分析,采用新闻文本分类和新闻词频内容映射分类的方法建立新闻文本的特征类别序列来对新闻文本进行特征表示。2、提出了一种混合基于内容和协同过滤的个性化新闻推荐方法。该方法对传统基于内容的新闻推荐方法进行改进,将基于内容方法建立的用户兴趣模型和基于协同过滤方法建立的用户兴趣模型进行混合处理,加入了时间上下文的背景因素,得到新的用户兴趣模型。通过计算这个新的混合兴趣模型和新闻文本向量的相似度,可以达到对不同新闻用户推荐让用户感兴趣的个性化新闻的目的。同时,该方法对推荐新闻的新颖性和多样性进行了研究和处理,可以有效的提高新闻的新颖性和多样性。3、完成新闻文本自动分类系统和基于混合推荐方法的个性化新闻推荐系统的设计和实现。