互联网信息的爆炸式增长在给用户带来更丰富精彩的新闻资讯的同时,也让用户寻找感兴趣的信息变得更为艰难。在这样的背景下,新闻阅读平台应运而生。新闻阅读平台通过聚焦爬虫收集不同新闻网站上的新闻内容,并对新闻数据进行分析挖掘,提取出最有价值的内容展现给用户,使用户阅读新闻的体验更加快捷方便。本文围绕新闻阅读平台及关键技术,进行了如下工作：通过分析新闻特性,建立新闻时间衰减模型与新闻虚拟图模型,在此基础上提出了一种基于信息互增强的新闻排序算法：采用自底向上的聚类方法获取新闻事件,再根据信息互增强原理对新闻源、新闻事件与新闻文章三者的重要度进行迭代计算。在传统谱聚类算法的基础上,由多次聚类计算之间的相似性引入聚类时间平滑的概念,并结合新闻网页中的相关链接与标签信息,建立相关链接约束模型及标签约束模型,对谱聚类目标函数进行扩展修改,提出了一种约束性时间平滑新闻谱聚类算法,可以通过矩阵特征值分解的方法求得聚类的近似最优解。设计并实现了新闻阅读平台Eagle NewsReader,该系统从28个新闻源抓取了超过140万篇新闻文章,对新闻进行分析处理之后为用户提供统一的新闻阅读服务。本文提出的基于信息互增强的新闻排序算法和约束性时间平滑新闻谱聚类算法都在该系统中得到了应用,取得了良好的效果。