微博,即微型博客,人们利用微博可以随时随地进行信息交流,互联网的发展使微博成为人们生活中越来越重要的一部分。微博中蕴含着大量信息,对微博用户的研究已经成为当前一个热门的研究领域。同时,互联网上每天都有海量新闻信息,个性化新闻推荐系统能够帮助用户轻松获取感兴趣的新闻。考虑到微博用户数量多、信息量大,设计一个基于微博用户的新闻推荐系统,具有现实应用意义。本文通过分析研究用户的微博信息,利用微博信息进行用户兴趣的预测。通过用户的兴趣,设计并实现了一个个性化新闻推荐系统。用户利用系统,能够准确获取自己感兴趣的新闻内容。本文首先介绍了课题的研究背景及意义,分析了国内外研究现状。接着,论文对整个系统进行了需求分析和概要设计,将系统分为数据采集、兴趣预测和新闻推荐三个模块。然后,分别完成了对各个模块的详细设计与实现。数据采集模块主要进行微博数据采集,本文采用了ICE(Internet Communications Engine)中间件技术,对该模块进行了分布式实现,通过分布式爬虫来采集微博数据。兴趣预测模块对用户的微博文本进行分析处理,从而得到用户的兴趣。文中采用中文分词技术对微博文本进行预处理,采用TextRank算法进行关键词提取,并利用词向量进行特征表示,然后本文基于逻辑回归模型进行用户兴趣的分类预测。新闻推荐模块通过用户兴趣,进行个性化新闻推荐,本文利用新闻RSS(Really Simple Syndication)源进行新闻的获取,并采用基于内容的推荐算法进行新闻推荐。最后,对各个模块进行了实验分析。实验结果表明,该系统能够准确获取用户兴趣,并基于用户兴趣进行相应的新闻推荐。