随着互联网大数据时代的到来,如何从过载的信息中快速而准确的获得需求信息成为了研究热点。RSS技术的出现改变了用户传统获取信息的方式,为解决“信息过载”问题带来了新途径。然而当前RSS技术的研究多集中于RSS feed的提取,忽略了个性化需求的考虑,出现了服务质量低的问题。已有个性化研究大多针对书籍、网上购物以及美食等推荐,网络新闻的研究相对较少。在新闻项目的推荐系统中,已有研究通常使用TF-IDF权重技术结合余弦相似性度量方法,这种技术没有考虑到文字本身的实际语义。因此针对以上问题;课题的研究主要在深入分析传统个性化推荐技术的基础上,结合新闻项目本质特点,提出一种基于新闻内容的语义分析推荐方法。首先,对当前个性化推荐算法以及RSS技术的发展现状进行综述,并对当前主流的推荐算法及技术进行了深入的比较与分析。其次,针对当前的基于内容个性化推荐算法大多数是基于向量空间模型,不仅普遍存在着高维稀疏问题,更重要的问题是新闻本质为文本数据。文本数据存在特有的自然语言问题,这一点没有在当前推荐方法中得到很好地利用。因此,本文采用一种新的途径,引入语义分析,将新闻文本内容经过语义分析,表示为多个同义词集合。并且改进用户兴趣模型,在相似度度计算中采用语义相似度来测量资源信息和用户兴趣模型之间的相似性。再次,为了得到更准确的推荐结果,即更好的计算用户兴趣模型及新闻项目语义相似性,在深入研究了几种经典的语义相似度计算方法的前提下,提出基于扩展语义关系树的混合概念距离方法进行资源信息和用户兴趣模型相似度计算;并且通过相关实验验证算法性能有所提高。最后,使用本文提出的基于语义分析推荐算法对RSS网络新闻进行推荐,实现了将个性化推荐技术与RSS技术相结合。通过模拟实验对改进模型及算法的性能进行验证,主要包括用户兴趣模型与RSS新闻源相似度的计算、RSS网络新闻推荐以及与传统的基于内容推荐算法进行比较等。实验结果表明,基于语义分析的新闻推荐方法是可行的,并且在一定程度上提升了推荐的准确度及效率。