随着网络信息的急剧增长,用户难以准确、高效地检索到自己感兴趣的内容。个性化推荐技术因此应运而生,有效地解决了这一问题。个性化新闻推荐系统是基于个性化推荐技术,根据用户以往的阅读习惯,把用户可能感兴趣的新闻推送给用户的系统。它给用户带来了个性化定制的服务体验,能有效地增强用户粘度,避免用户流失。本文重点研究内容包括提出个性化新闻推荐模型、改进传统协同过滤算法以及结合移动平台实现个性化新闻推荐系统。其中个性化新闻推荐模型包括四个模块,分别为新闻分类、用户兴趣分析、用户聚类和推荐结果生成;协同过滤算法的改进包括使用用户评分均值加上物品受欢迎程度对缺省值进行填充来解决数据稀疏性问题,以及使用时间衰减函数对用户评分数据设置时间权重来解决用户兴趣迁移问题;个性化新闻推荐系统的实现包括对系统进行需求分析,对系统的设计思路和实现方法进行介绍,以及将改进后的推荐算法融入到系统中,最终实现个性化新闻推荐系统的开发。本文提出了个性化新闻推荐模型,并且对传统协同过滤算法进行了改进,最后在安卓系统的基础上设计并实现了基于协同过滤的个性化新闻推荐系统。本文设计并实现的个性化新闻推荐系统,符合移动互联网的时代背景,能够给用户带来个性化定制的服务体验,具有较高的研究价值和应用意义。